模糊双向联想记忆网络的有效学习算法  

An Efficient Learning Algorithm for Fuzzy Bi-directional Associative Memory

作　　者：曾水玲[1] 杨静宇[1] 徐蔚鸿[1,2,3] 

机构地区：[1]南京理工大学计算机学院 [2]吉首大学数学与计算机科学学院,湖南吉首416000 [3]长沙理工大学计算机与通信工程学院,湖南长沙410077

出　　处：《微电子学与计算机》2007年第12期70-72,76,共4页Microelectronics & Computer

基　　金：国家自然科学基金项目(60474070);湖南省自然科学基金项目(05JJ40004);湖南省教育厅科研基金项目

摘　　要：基于模糊取大运算和爱因斯坦s-模提出新的模糊双向联想记忆网络模型(Max-Ses FBAM),并为该网络提出了一种新的学习算法。在理论上严格证明了,任意给定的模式对集,只要存在有连接权矩阵对使其为Max-Ses FBAM的平衡态集,则依该学习算法所确定的连接权矩阵对(,)是所有这样的连接权矩阵对中的最大者;且该最大连接权矩阵对能使Max-SesFBAM对任意输入在一步内就进入平衡态。A new fuzzy bi-directional associative memory network model is proposed based on fuzzy composition of Max and Einstain＇s s-Norm （Max-Ses FBAM）. A simple efficient learning algorithm is proposed for the network. It is proved theoretically that, if there is a connected weight matrix which make arbitrary given pattern pairs set becoming stability state set of Max-Ses FBAM, then the proposed learning algorithm can find the maximum of all connected weight matrices. And the learning algorithm can ensure that, the Max-Ses FBAM with this maximal pair of connection weight matrices can be convergent to an equilibrium state in one iterative process for any input.

关 键 词：伴随蕴涵算子 模糊双向联想记忆网络 学习算法 s-模 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]