Min-max模糊Hopfield网络的一个基于容错性的学习算法  

A Learning Algorithm Based on Fault-tolerance forMin-max Fuzzy Hopfield Networks

作　　者：刘普寅[1] 

机构地区：[1]长沙国防科技大学系统工程与数学系,长沙410073

出　　处：《国防科技大学学报》1998年第1期109-114,共6页Journal of National University of Defense Technology

基　　金：国防预研基金

摘　　要：在一定的条件下证明了Min－max模糊Hopfield网络吸引子的吸引域随着连接权矩阵的减小而增大，在此基础上，设计了一个基于容错性的学习算法。在一定的意义下，用该学习算法得到的矩阵最小，从而此时系统具有最优容错性。最后用实例验证了结论。In the paper, we prove under some conditions, that the attractive basin of the attractorof min-max fuzzy Hopfield network increases when the connected weighted matrix decreases. In accordance with this conclusion,we design a learning algorithm based on the fault-tolerance of the network,the matrix obtained by the learning algorithm is minimum, consequently, the fault-tolerance of the network is optimal. Finally, the example demonstrates our conclusions.

关 键 词：HOPFIELD网络 容错性 学习算法 模糊神经网络 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]