Hopfield聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)的容量研究及其應(yīng)用.pdf

1、人工神經(jīng)網(wǎng)絡(luò)是一種模擬大腦神經(jīng)突觸聯(lián)接結(jié)構(gòu)、對(duì)信息進(jìn)行處理的數(shù)學(xué)模型，而Hopfield聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)，作為一類(lèi)重要的神經(jīng)網(wǎng)絡(luò)，因其具有模式存儲(chǔ)和聯(lián)想記憶能力，并能利用大規(guī)模并行處理及良好的容錯(cuò)性將殘缺的、污損的、變形的信息恢復(fù)出原來(lái)正確完整的信息，這是傳統(tǒng)方法難以做到的。然而，因傳統(tǒng)Hopfield聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)的容量低的問(wèn)題，網(wǎng)絡(luò)進(jìn)行模式識(shí)別過(guò)程中，將不能正確、有效的識(shí)別不完整、畸變的模式。本文主要針對(duì)這一問(wèn)題展開(kāi)研究，論文的研

2、究成果與創(chuàng)新如下：
　　1)針對(duì)Hopfield網(wǎng)絡(luò)對(duì)一些信息不完整、含有誤差的輸入模式正確識(shí)別率低的問(wèn)題，將克隆選擇算法引入Hopfield網(wǎng)絡(luò)中，提出一種新的提升Hopfield網(wǎng)絡(luò)容量的方法。首先將克隆選擇算法引入到Hopfield網(wǎng)絡(luò)中，以Hopfield網(wǎng)絡(luò)的初始輸入作為克隆選擇算法中的抗原；然后隨機(jī)產(chǎn)生權(quán)值矩陣作為克隆選擇算法的初始抗體；最后依據(jù)克隆選擇算法對(duì)初始抗體進(jìn)行克隆、交叉、變異，并根據(jù)親和力的大小選擇出網(wǎng)絡(luò)的

3、優(yōu)化權(quán)值，以提升Hopfield網(wǎng)絡(luò)容量。
　　2)將提出的方法應(yīng)用于含有不同噪聲的樣本識(shí)別，并且對(duì)實(shí)驗(yàn)結(jié)果做了詳細(xì)的分析和對(duì)比。實(shí)驗(yàn)結(jié)果表明了在不改變網(wǎng)絡(luò)結(jié)構(gòu)、學(xué)習(xí)規(guī)則條件下，文中提出的方法不需要算法的多次數(shù)學(xué)迭代及采用兩種進(jìn)化適應(yīng)度作用于網(wǎng)絡(luò)，在相同的訓(xùn)練條件下，能夠取得更好的記憶容量，為提升Hopfield神經(jīng)網(wǎng)絡(luò)的記憶容量提供了一種新的思路。
　　3)針對(duì)離散Hopfield神經(jīng)網(wǎng)絡(luò)容量低，對(duì)不完整和含誤差的字母正確

4、識(shí)別率低問(wèn)題，構(gòu)建了一種利用混合免疫算法中的免疫遺傳算法來(lái)改進(jìn)網(wǎng)絡(luò)權(quán)值的優(yōu)化設(shè)計(jì)理念，提出了一種基于免疫遺傳算法優(yōu)化Hopfield網(wǎng)絡(luò)容量的方法。
　　4)將基于免疫遺傳算法優(yōu)化Hopfield網(wǎng)絡(luò)容量方法應(yīng)用于26個(gè)英文字母的識(shí)別中。實(shí)驗(yàn)結(jié)果表明：當(dāng)噪聲水平為0.2時(shí)，利用本文中提出的算法，Hopfield網(wǎng)絡(luò)對(duì)初始樣本的正確記憶能力達(dá)到90％以上；當(dāng)噪聲水平高達(dá)0.6,0.8和1時(shí)，與傳統(tǒng)的Hopfield網(wǎng)絡(luò)相比，基于混合