引入竞争机制的连续Hopfield神经网络矢量量化算法设计与实现  

Algorithm Design and Implementation of Vector Quantiztion Using Competitive Continuous Hopfield Neural Network

作　　者：余春东 李磊[2] 孙世新[1] 王茂芝[1] 邓洪勤[3] 

机构地区：[1]电子科技大学计算机科学与工程学院,成都610054 [2]中国科学院软件研究,北京100080 [3]西昌卫星发射中心,西昌615000

出　　处：《计算机科学》2004年第9期172-175,共4页Computer Science

基　　金：中国科学院知识创新工程方向性研究项目基金(名称:大型数字对象应用环境及其并行模拟;批准号:KGCX2-JG-09)

摘　　要：本文对照经典的矢量量化算法的不足,讨论了基于竞争机制的连续Hopfield神经网络矢量量化算法的设计与实现。详细描述了网络映射过程、网络能量函数的刻画和神经元状态转换方程。实验结果表明,与经典的LBG算法相比,本文所提算法具有更好的性能和强大的并行处理能力以及更优良的全局优化能力。This paper discusses the implementation of vector quantization algorithm based on competitive continuous Hopfield neural network contrasting to the defects of traditional VQ algorithm. At the same time,the details on network mapping,energy function constructing and neuro state changing equation have been described. The results of the experiment indicate the performance of the algorithm proposed in this paper is more efficient with powerful parallel a- bility and workable global optimization effect contrasting to LBG.

关 键 词：HOPFIELD神经网络 算法设计 矢量量化 并行处理 状态转换 能量函数 全局优化 LBG算法 映射 性能 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程] TN912[自动化与计算机技术—控制科学与工程]