容量约束的自组织增量联想记忆模型

• 作者: 刘渊 孙桃 王士同 谢振平
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 联想记忆 容量约束 增量学习 自组织 神经网络
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 130-141
• 页数: 12页
• 分类号: TP18
• 字数: 7846字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1505007

摘要

自组织联想记忆神经网络因其并行、容错及自我学习等优点而得到广泛应用,但现有主流模型在增量学习较大规模样本时,网络节点数可能无限增长,从而给实际应用带来不可承受的内存及计算开销.针对该问题,提出了一种容量约束的自组织增量联想记忆模型.以网络节点数为先决控制参数,结合设计新的节点间自竞争学习策略,新模型可满足大规模样本的增量式学习需求,并能以较低的计算容量取得较高的联想记忆性能.理论分析表明了新模型的正确性与有效性,实验分析同时显示了新模型可有效控制计算容量,提升增量样本学习效率,并获得较高的联想记忆性能,从而能更好地满足现实应用需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘渊	江南大学数字媒体学院	235	1325	17.0	25.0
2	王士同	江南大学数字媒体学院	528	3424	23.0	37.0
3	谢振平	江南大学数字媒体学院	41	374	8.0	18.0
4	孙桃	江南大学数字媒体学院	3	5	2.0	2.0