模糊联想记忆网络的全局鲁棒性研究--基于爱因斯坦t-模

• 作者: 马亨冰 高翔
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 爱因斯坦t-模 模糊联想记忆网络 学习算法 全局鲁棒性
• 年，卷（期）: 2014,（5）
• 所属期刊栏目: 网络、通信、安全
• 页码范围: 96-100,107
• 页数: 6页
• 分类号: TP393
• 字数: 5059字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1204-0707

摘要

利用三角模的模糊联想记忆网络的性质以及模糊联想记忆网络的鲁棒性定义，对基于爱因斯坦t-模构建的模糊双向联想记忆网络的学习算法的全局鲁棒性进行了分析。从理论上证明了当训练模式的摄动为正向摄动时，该学习算法可以保持良好的鲁棒性，并用实验验证了该结论；而当摄动存在负向波动时该学习算法不满足全局鲁棒性。然后又进一步对训练模式集摄动最大摄动与输出模式集的最大摄动之间的关系进行研究，得出了训练模式集的最大摄动与输出模式集的最大摄动之间的关系曲线。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马亨冰		26	73	5.0	7.0
2	高翔	福州大学数学与计算机科学学院	7	29	1.0	5.0