GAM模型稳定性分析及其在图像识别中的应用
多值指数关联联想记忆模型(MMECAM)是一种高存储容量的自联想记忆神经网络.在详细分析其优缺点的基础上,通过改进MMECAM模型的更新规则,首先提出一个新的高斯自联想记忆模型(GAM),然后通过定义简单的能量函数从理论上证明其在同、异步方式下的稳定性,从而保证所存储的模式能最终成为GAM的稳定点;其次,通过引入一般相似性测度进一步提出广义GAM模型(G-GAMs)框架,使得GAM模型成为其特例;最后,将GAM模型应用于单样本图像识别,计算机模拟证实了该模型的鲁棒性能.
联想记忆、稳定性、相似性测度、神经网络、图像识别
16
TP18(自动化基础理论)
国家自然科学基金项目60873231,60973140;江苏省自然科学基金项目BK2009425,BK2009426;江苏省高校自然基金项目08KJB520006;南京邮电大学校科研基金项目NY210043;江苏省高校研究生科研创新基金项目CX10B_195Z
2011-09-30（万方平台首次上网日期，不代表论文的发表时间）
共8页
1022-1029
