学位论文 > 优秀研究生学位论文题录展示

基于小世界体系的BAM网络的研究

作　者: 郎盼盼
导　师: 赵增顺
学　校: 山东科技大学
专　业: 控制工程
关键词: 联想记忆小世界网络 BAM网络
分类号: TP183
类　型: 硕士论文
年　份: 2011年
下　载: 6次
引　用: 0次
阅　读: 论文下载

内容摘要

人工智能神经网络,它能够类似的模拟我们人类大脑,具有联想记忆,并且采用了的全新的计算结构。人工智能神经网络能从小部分特征信息中获得全部的信息,广泛应用在一些不精确的、破碎的或者模糊的信息处理的方面。它是一种新型的智能信息处理体统。现在,人工智能神经网络的研究已成为一个热点和要点。本文围绕这一主题,首先介绍了国内外对于联想记忆的研究进展,并介绍了几种联想记忆的模型,重点介绍了传统全互联Hopfield网络,并指出其局限性。然后引入BAM网络的概念,详细阐述了BAM网络的网络结构,形成原理和学习记忆规则,并阐述了BAM网络模型的局限性及其解决办法。其次,接着介绍了几种稀疏网络结构,主要重点介绍了小世界网络和无标度网络,包括其算法,统计特性等。并针对BAM网络的局限性和小世界网络的捷径生成特性,提出了基于小世界体系的BAM网络的研究。最后,介绍了基于小世界体系的BAM网络模型的构建及其实现原理,通过在BAM网络计算中引入稀疏连接的概念,并用计算机对新模型进行仿真,通过数据对比比较基于小世界体系的BAM网络和原始的BAM网络的性能。实验结果表明：基于小世界体系的BAM网络在保留BAM较好容错性的同时,大大提高了BAM的存储能力,网络的存储耗费和计算在一定程度上得到了减少,从而降低了网络结构的复杂度,这样,使网络模型在集成芯片等工业的应用变得相对简单而更容易实现了。

全文目录

摘要  5-6
Abstract  6-9
1 绪论  9-12
  1.1 神经网络模型研究的现实意义  9-10
  1.2 联想记忆的研究现状  10-11
  1.3 本论文的研究内容  11-12
2 双向联想记忆网络的研究  12-27
  2.1 联想记忆的研究  12-17
  2.2 传统的Hopfield联想记忆模型  17-20
  2.3 双向联想记忆模型  20-26
  2.4 本章小结  26-27
3 小世界网络和无标度网络的研究  27-38
  3.1 小世界网络基本概念及研壳背景  28-29
  3.2 小世界网络的神经生物学背景  29-30
  3.3 WS小世界网络的研究  30-33
  3.4 NW小世界网络的研究  33-35
  3.5 无标度网络的研究  35-37
  3.6 本章小结  37-38
4 基于小世界体系的BAM网络模型及研究  38-44
  4.1 模型生成原则  39-41
  4.2 计算机模拟仿真实验结果与性能比较  41-43
  4.3 本章小结  43-44
5 结束语  44-46
  5.1 本文完成的主要工作  44-45
  5.2 展望  45-46
参考文献  46-49
致谢  49

基于小世界体系的BAM网络的研究

内容摘要

全文目录

相似论文