多模式对模糊联想记忆学习算法的优化  

The Optimization of Fuzzy Associative Memory Neural Network Learning Rule for Multiple Pattern Pairs

作　　者：何奉道[1] 

机构地区：[1]西南交通大学计算机科学与工程系,成都610031

出　　处：《计算机科学》1994年第3期67-68,共2页Computer Science

摘　　要：一、引言 人脑神经系统信息活动的一个重要特征是能够接收和处理模糊的、连续随机的信息,并在输出时不追求绝对精确解而只要求能找到问题的满意解。模糊联想记忆神经网络是Bart Kosko于1987年提出的采用模糊赫布型学习规则的一种单状态异联想记忆神经网络,在模糊控制、模式识别、专家系统等领域曾引起人们的关注。由于该网络的子集联想特性和不能有效地联想存储多个训练模式对而影响了它的应用[1-3]。本文提出模糊合成运算的一种微分法则,用一代价函数以反映网络性能,将梯度下降搜索技术与模糊赫布型学习规则相结合,建立了在单个模糊联想记忆神经网络中联想存储多个模式对的一种优化学习算法。理论分析和实例计算均证明该算法优于Kosko的学习规则。this paper proposed a differential rule of fuzzy Max-Min composition operation. With a cost function reflecting the features of neural network ,combining the gradient descent search technique with fuzzy Hebb rule,an optimization algorithm for associated to store multiple pattern pairs in a single FAM has been established.

关 键 词：神经网络 模糊联想记忆 学习算法 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]