一种竞争抑制网络的自组织模型

本文对一类特殊的竞争抑制网络，给出了网络ＬＴＭ（ＬｏｎｙＴｅｒｍＭｅｍｏｒｙ）状态动态时间演化过程的解析表达式．学习过程的收敛约束条件，可作为选择网络参数，设计竞争学习算法的依据．学习过程自组织模型的分析，对认识竞争学习的内在机理，控制网络的动态行为，增强其智能化信息处理能力，具有一定的意义．

量子侧抑制强化竞争算法研究

深入研究了量子竞争网络的原理,基于量子竞争算法,通过引入神经元侧抑制功能与强化学习机制,建立了量子侧抑制强化竞争网络模型,提出了量子侧抑制强化竞争算法。量子侧抑制强化竞争网络竞争层神经元所具有的侧抑制功能提高了网络精度,其强化学习机制加速了网络学习。通过对具有四类样本的数据集进行模式识别实验,量子侧抑制强化竞争算法的平均正确率为98.89%,量子竞争算法的平均正确率为95.56%。结果表明量子侧抑制强化竞争算法相对量子竞争算法具有更高的模式识别能力。