10.3969/j.issn.1673-4785.201211050
基于小世界网络的Hopfield联想记忆模型
针对基于Watts-Strogatz小世界网络的联想记忆(WSAM)模型中存在的信息丢失和产生孤立节点的问题,引入Newman-Watts小世界网络,提出了基于NW小世界网络的联想记忆(NWAM)模型,并给出生成方法以及相应的理论算法.与WSAM相比,该模型节点连接数有少量增加,而网络性能却得到极大的改善.对比实验结果表明,在重连概率和全局连接度相同的情况下,NWAM对加噪模式回想的能力要高于WSAM;在噪音干扰不断增加的情况下,NWAM抗噪联想性能始终优于WSAM.最终,利用NWAM模型对加入噪音的交通图像进行识别时,获得了比WSAM更好的识别效果,表现出良好的容错性和对含噪信息的鲁棒处理能力.
NW小世界网络、联想记忆、神经网络、图像识别、容错性
9
TP183(自动化基础理论)
国家自然科学基金资助项目61040012
2014-07-01(万方平台首次上网日期,不代表论文的发表时间)
共5页
214-218