一种基于稀疏指数联想记忆神经网络的图像识别方法

• 作者: 王传栋 陈蕾
• 来源期刊: 南京邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 人工神经网络 联想记忆 模式识别 稀疏网络结构
• 年，卷（期）: 2008,（6）
• 所属期刊栏目: 研究报告
• 页码范围: 78-82
• 页数: 5页
• 分类号: TP183
• 字数: 3535字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-5439.2008.06.016

摘要

区别于一般的图像识别方法,指数联想记忆模型(EAM)是一种对数据分布无任何要求的非线性技术,具有指数级的存储容量和良好的容噪性能.随着实际的需求和被处理问题规模的扩大,EAM所采用的全互连结构将导致布线工艺上的困难而难以克服,限制了模型的VLSI(超大规模集成电路)硬件实现.通过在EAM中引入社会领域中广泛存在的"六度分离"现象,借鉴Watts和Strogatz提出的"小世界网络"理论对EAM进行了稀疏化改造.改造后的稀疏指数联想记忆模型(SEAM)不仅结构相对简单、易于硬件实现,而且仿真结果表明在灰度图像加噪和部分缺失的情况下,SEAM识别性能和全互连的EAM相当,表现出了较强的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王传栋	南京邮电大学计算机学院	12	68	3.0	8.0
2	陈蕾	南京邮电大学计算机学院	36	185	8.0	12.0