复形态联想记忆及其性能分析
在Ritter的实域形态联想记忆(real morphological associative memory,简称RMAM)模型的基础上,通过在复数域中序关系的引入构成复数格和环,导出了在复数域上与RMAM相一致的联想规则,构建了一类复域MAM(complex MAM,简称CMAM),从而将RMAM从实域推广至复域,使其可直接处理复信号(如经FFT(fast Fourier Transformation)变换所得数据).证明了该模型的收敛性,分析了其纠错能力和存储能力,并获得了与RMAM相一致的一系列定理和性质.此外,还比较了复形态网络和其他网络(如Hopfield神经网络)的异同.计算机仿真结果表明了CMAM的可行性.
联想记忆、神经网络、形态学、格、复域
13
TP18(自动化基础理论)
国家自然科学基金69701004;高等院校骨干教师基金;国家重点实验室基金
2004-01-08（万方平台首次上网日期，不代表论文的发表时间）
共7页
453-459
