复突触神经网络模型及其稳定性研究

摘要：

传统的Hopfield网络在联想记忆、优化计算方面发挥了重要作用,但该刚络存在一个弊端,即它只能处理线性或二次的最优化问题.因此,本文首先对Hopfield神经网络进行了扩展,将其称为复突触神经网络(或模型),扩展的网络不仅可以解决目标函数或约束中含有高阶的最优化问题,而且还可以处理目标函数含有对数、三角形式等较复杂函数的最优化问题;然后给出了该网络稳定的充分条件并给出了证明,同时对网络中的权矩阵是否对称也进行了讨论;最后结合典型的模糊c均值聚类问题验证了该模型的有效性.

关键词：Hopfield网络、复突触神经网络、稳定性、模糊c均值聚类

所属期刊栏目：25

分类号：TP183(自动化基础理论)

资助基金：国家科技攻关项目2002BA407B;铁道部科技研究项目2002X039A

在线出版日期：2003-12-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：70-74