利用最大似然准则的双向联想网络研究

摘要：

针对现有双向联想网络(BAM)存在的存储容量小、抗干扰能力弱的缺点,提出了一种利用最大似然准则的BAM网络(MLBAM)及其训练算法.MLBAM网络采用双向网络结构建立了神经元的发放以及抑制模型,充分利用似然函数的特性以及网络的双向联想特性,很好地完成了自联想和异联想功能,并且准确计算出关联样本对之间的关联度,使MLBAM网络在随机环境中具有很强的抗噪能力.利用最速下降算法,给出了MLBAM网络的训练算法,根据训练权重的Hessian矩阵负定,判定算法能够获得全局最优解,从而证明了算法的收敛性.该训练算法能够训练出最优的连接权重和神经元阈值.通过2个典型实验验证了MLBAM网络的抗噪能力和联想能力,在存在1位随机噪声的情况下,该网络的联想正确率达到了100%.

关键词：双向联想、最大似然准则、自联想、异联想

所属期刊栏目：42

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金资助项目60475023;教育部博士学科点专项基金资助项目20050698023

在线出版日期：2008-10-20（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：963-966,1043