基于极大极小准则的Hopfield联想记忆学习算法*
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

本文研究得到国家攀登计划和国家自然科学基金资助.


TWO LEARNING ALGORITHMS OF HOPFIELD ASSOCIATIVE MEMORY BASED ON MINIMAX CRITERION
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    基于联想记忆各记忆模式的吸引域之间应保持大小平衡的思想.提出了设计Hopfield联想记忆网络的极大极小准则,即设计出的对称连接权阵应使得网络最小的记忆模式吸引域达到最大.首先提出了一种快速学习算法;再发展了一个启发性迭代学习算法,称为约束感知器优化学习算法.大量实验结果表明了本文学习算法的优越性.

    Abstract:

    Based on the idea that the domains of attraction of all memorizad patterns must possess balanced shape,a minimax criterion for design of HoFfield associative memo-ry,which requires the smallest domain of attraction to be maximized,is proposed in this paper.A quick learning algorithm is first given,and furtherly,a constrained perception optimization algorithm is developed.A large number of simulation results confirm advan-tages of these algorithms given in this paper over existing ones.

    参考文献
    相似文献
    引证文献
引用本文

梁学斌,吴立德.基于极大极小准则的Hopfield联想记忆学习算法*.软件学报,1996,7(zk):267-272

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:1995-07-07
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期:
  • 出版日期:
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京市海淀区中关村南四街4号,邮政编码:100190
电话:010-62562563 传真:010-62562533 Email:jos@iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号