形态双向联想记忆网络的摄动鲁棒性研究

针对训练模式对的小幅摄动可能会对神经网络的输出产生副作用的问题,该文研究了形态双向联想记忆(MBAM)网络和模糊形态双向联想记忆(FMBAM)网络训练模式对的摄动鲁棒性。比较了训练模式对摄动前后2种网络输出范围的变化,理论证明了MBAM和FMBAM 2种网络的摄动鲁棒性。理论和仿真实例表明:MBAM网络对训练模式对的摄动全局拥有好的鲁棒性,其训练模式对的选取可以适度粗糙;而FMBAM网络对训练模式对的摄动不具有好的鲁棒性,则其训练模式对的选取精度要求较高。

复形态双向联想记忆网络及其性能分析

基于复数环(C,∨,∧,+)提出了复形态双向联想记忆网络模型,给出了神经网络实现双向完全联想记忆的条件,并分析了自联想的存储能力、稳定性和收敛性及神经网络的抗噪声能力.当复数虚部取零时即为实数,实数域形态双向联想记忆网络就是复数域形态双向联想记忆网络的特例.最后通过仿真实验验证复形态双向联想记忆网络的有效性.

模糊形态学双向联想记忆网络的性质

为模糊形态学双向联想记忆网络(FMBAM)提出一个学习算法.在理论上证明只要存在使给定的模式对集合成为FMBAM的平衡态集合,则该学习算法总能计算出相应的最大连接权矩阵对.该最大连接权矩阵对能使FMBAM对任意输入在一步内就进入平衡态,并且神经网络全局收敛到平衡态.FMBAM的每个平衡态都是Lya-punov稳定的.当训练模式存在摄动时,利用该学习算法训练的FMBAM,对训练模式摄动拥有好的鲁棒性.