GAM模型稳定性分析及其在图像识别中的应用

• 作者: 孙知信 杨庚 王传栋 陈蕾
• 来源期刊: 中国图象图形学报
• 学科: 工学
• 关键词: 联想记忆 稳定性 相似性测度 神经网络 图像识别
• 年，卷（期）: 2011,（6）
• 所属期刊栏目: 图像分析和识别
• 页码范围: 1022-1029
• 分类号: TP18
• 字数: 7330字
• 语种: 中文

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙知信	南京邮电大学计算机学院	169	1816	21.0	34.0
2	杨庚	南京邮电大学计算机学院	210	2422	21.0	40.0
6	王传栋	南京邮电大学计算机学院	12	68	3.0	8.0
10	陈蕾	南京邮电大学计算机学院	36	185	8.0	12.0