分形神经元网络的联想记忆与模式识别

李雪春; 马争鸣

您当前的位置：

首页 >

文章列表页 >

分形神经元网络的联想记忆与模式识别

论文 | 更新时间：2023-12-11

- 分形神经元网络的联想记忆与模式识别
- Associative Memory and Pattern Recognition of Fractal and Hopfield Neural Networks
- 中山大学学报(自然科学版)(中英文) 1996年35卷第S2期页码：150-154
- 作者机构：
  
  中山大学无线电电子学系
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 纸质出版日期：1996，
  
  网络出版日期：1996-12-25，
扫描看全文
李雪春, 马争鸣. 分形神经元网络的联想记忆与模式识别[J]. 中山大学学报(自然科学版)(中英文), 1996,35(S2):150-154.

Li Xuechun, Ma Zhengming. Associative Memory and Pattern Recognition of Fractal and Hopfield Neural Networks[J]. Acta Scientiarum Naturalium Universitatis SunYatseni, 1996,35(S2):150-154.
李雪春, 马争鸣. 分形神经元网络的联想记忆与模式识别[J]. 中山大学学报(自然科学版)(中英文), 1996,35(S2):150-154. DOI：

Li Xuechun, Ma Zhengming. Associative Memory and Pattern Recognition of Fractal and Hopfield Neural Networks[J]. Acta Scientiarum Naturalium Universitatis SunYatseni, 1996,35(S2):150-154. DOI：

摘要

对Ｈｏｐｆｉｅｌｄ神经网络（ＨＮＮ）与分形神经网络（ＦＮＮ）进行了研究和比较，提出了分形神经网络子模式的构成方式；由存储样本的子模式组合构成的新样本同样可能成为ＦＮＮ的稳定点．给出了ＦＮＮ网络稳定状态和联想记忆的条件．ＦＮＮ在信息存储能力、稳定状态快速收敛方面具有很大潜力与优越性

Abstract

For the application of neural networks on information proceeding and model recognition

research and comparition were carried out on HNN and FNN. This paper proposed the construction method of subpatterns of FNN. New samples will be the stable states if they are composed of subpatterns of stored samples. (Make sure that there are no conflict between the value of internet neurons) Sufficient condition were proposed for samples safe storage

stable points and associated memory. The results of research and experiment show that compared with HNN

FNN has more potentialities and superiority on information storage and fast converging to stable point.

关键词

&nbsp神经元网络存储匹配信息处理

Keywords

&nbspneuronnetworkstoragematchinformation processing

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

用综合离散法分析舰船柱状桅的固有振动

K方体的递归构造

电镀镍铁合金的穆斯堡尔谱学研究

四种淡水养殖鱼类肝胰脏显微结构的比较研究

香港岛森林群落的数量分析——模糊聚类、相互平均排序与R型主分量分析