复突触神经网络模型及其稳定性研究

• 作者: 李凯 黄厚宽
• 来源期刊: 铁道学报
• 学科: 工学
• 关键词: Hopfield网络 复突触神经网络 稳定性 模糊c均值聚类
• 年，卷（期）: 2003,（5）
• 页码范围: 70-74
• 页数: 5页
• 分类号: TP183
• 字数: 3229字
• 语种: 中文
• DOI: 10.3321/j.issn:1001-8360.2003.05.014

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄厚宽	北京交通大学计算机与信息技术学院	139	2476	26.0	44.0
2	李凯	北京交通大学计算机与信息技术学院	52	435	12.0	19.0