带参数聚合算子的模糊联想记忆网络

• 作者: 唐良荣 徐蔚鸿 李鹰
• 来源期刊: 控制理论与应用
• 学科: 工学
• 关键词: 模糊神经网络 模糊联想记忆 学习算法 t-范数 模糊关系方程
• 年，卷（期）: 2010,（11）
• 页码范围: 1518-1524
• 分类号: TP183
• 字数: 7153字
• 语种: 中文

摘要

基于最大运算Max和t-范数T的神经网络模型Max-T FAM是B.Kosko提出的经典模糊联想记忆(FAM)网络的一种重要的广义形式,其性能有多处不足.本文利用一种参数化聚合算子vλ,提出了一种计算简单、易于硬件实现的广义模糊联想记忆(GFAM)网络,其连接算子从{Vλ|λ∈[0,1]}中选取;从理论上严格证明TGFAM具有一致连续性,比所有Max-T FAM的映射能力和存储能力强很多;接着运用模糊关系方程理论提出和分析了GFAM的一种所谓的Max-Min-λ学习算法;最后用实验对GFAM和Max-T FAM的完整可靠存储能力进行了比较,并示例了GFAM在图像联想方面的应用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐良荣	长沙理工大学计算机与通信工程学院	3	3	1.0	1.0
2	徐蔚鸿	长沙理工大学计算机与通信工程学院	85	647	14.0	21.0
6	李鹰	长沙理工大学计算机与通信工程学院	6	150	3.0	6.0