基于小世界體系的新型聯(lián)想記憶模型研究.pdf

1、聯(lián)想記憶(AM)是生物智能的重要機制和人工智能的研究焦點。本文基于小世界體系，提出并研究了一種新型聯(lián)想記憶模型，并基于所建模型開展了相關(guān)的理論研究、算法研究、模擬研究和若干面向應(yīng)用的實驗研究。該項研究在探索研究新型智能計算模型和面向圖像處理、模式識別等領(lǐng)域的應(yīng)用方面具有理論意義和應(yīng)用潛能。其主要工作內(nèi)容和研究成果如下： 1.提出了一種更加符合腦神經(jīng)生理結(jié)構(gòu)的、具有稀疏矩陣結(jié)構(gòu)特征的基于小世界體系的新型聯(lián)想記憶模型。理論分析表明，

2、該模型一方面改進了學(xué)習(xí)算法提高了模式聯(lián)想性能，另一方面降低網(wǎng)絡(luò)的結(jié)構(gòu)復(fù)雜度，提高了空間存儲效率。 2.對傳統(tǒng)的外積法聯(lián)想記憶模型和投影學(xué)習(xí)算法模型、特征結(jié)構(gòu)法模型進行了理論上的分析和比較，表明外積法模型只在輸入樣本模式正交的情況下才具有良好的回憶性能，而投影學(xué)習(xí)算法和特征結(jié)構(gòu)法則對輸入模式?jīng)]有特別的要求。對這三種模型的簡單字符識別實驗，得出結(jié)果和理論分析一致，并表明后兩種模型對含有椒鹽噪聲和高斯噪聲的簡單字符也具有良好的回憶性能

3、，具有一定的容錯性。 3.針對聯(lián)想記憶模型的拓撲結(jié)構(gòu)，對復(fù)雜網(wǎng)絡(luò)尤其是具有稀疏結(jié)構(gòu)的規(guī)則連接網(wǎng)絡(luò)，小世界網(wǎng)絡(luò)和隨機網(wǎng)絡(luò)進行了調(diào)查研究。研究表明小世界網(wǎng)絡(luò)既具有規(guī)則網(wǎng)絡(luò)較大的聚類系數(shù)，同時也具有隨機網(wǎng)絡(luò)較小的特征路徑長度。引入小世界體系應(yīng)用到聯(lián)想記憶模型中，提出了基于小世界的投影學(xué)習(xí)模型和基于小世界的特征結(jié)構(gòu)法模型，以解決聯(lián)想記憶隨網(wǎng)絡(luò)規(guī)模增大而迅速增長的復(fù)雜度問題。 4.將基于小世界體系的投影學(xué)習(xí)模型和基于小世界體系的特