一种参数化模糊联想记忆网络的鲁棒性分析  

Robustness Analysis of Parameterized Fuzzy Associative Memory Network

作　　者：唐良荣[1] 蒋真[1] 徐蔚鸿[1,2] 李鹰[1] 

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

出　　处：《计算机工程》2010年第10期212-214,共3页Computer Engineering

基　　金：教育部重点科研基金资助项目(208098);湖南省教育厅重点科研基金资助项目(07A056)

摘　　要：基于最大运算Max以及带参数ξ的t-模Tξ的模糊关系合成,提出一种参数化的广义模糊联想记忆网络Max-TξFAM及一种有效学习算法。由于Tξ中参数ξ的作用,在应用中Max-TξFAM有更大的适应性和灵活性。从理论上证明采用该学习算法时,对任意ξ∈[0,1],Max-TξFAM对训练模式摄动的鲁棒性差。通过一个图像联想方面的实验检验了该结论的正确性。Based on fuzzy composition of maximum operation and a t-norm Tξ with a parameter ξ,a parameterized general fuzzy associative memory network Max-Tξ FAM and its effective learning algorithm are presented.By adjusting parameter ξ,the Max-Tξ FAM has good adaptability and flexibility in practice.It is proved theoretically that,using the mentioned above learning algorithm,Max-Tξ holds weak robustness to perturbations of training pattern pairs for any ξ ∈[0.1].Experiment about image association validates this conclusion.

关 键 词：模糊神经网络 模糊联想记忆网络 学习算法 鲁棒性 T-模 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]