模糊联想记忆网络的增强学习算法

• 作者: 肖平 舒桂清
• 来源期刊: 中国图象图形学报A辑
• 学科: 工学
• 关键词: 模糊联想记忆 增强学习算法 连接权矩阵
• 年，卷（期）: 2003,（1）
• 所属期刊栏目: 学术论文与技术报告
• 页码范围: 84-90
• 页数: 7页
• 分类号: TP183
• 字数: 6775字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-8961.2003.01.014

摘要

针对Kosko提出的最大最小模糊联想记忆网络存在的问题,通过对这种网络连接权学习规则的改进,给出了另一种权重学习规则,即把Kosko的前馈模糊联想记忆模型发展成为模糊双向联想记忆模型,并由此给出了模糊快速增强学习算法,该算法能存储任意给定的多值训练模式对集.其中对于存储二值模式对集,由于其连接权值取值0或1,因而该算法易于硬件电路和光学实现.实验结果表明,模糊快速增强学习算法是行之有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	舒桂清	广东省科技干部学院计算机与电子工程系	2	20	1.0	2.0
2	肖平	华南理工大学电子与通信工程系	7	55	4.0	7.0