学位论文 > 优秀研究生学位论文题录展示

混沌神经网络及其联想记忆功能的研究

作　者: 向利华
导　师: 王连明
学　校: 东北师范大学
专　业: 电路与系统
关键词: 联想记忆 混沌神经网络 字符识别
分类号: TP183
类　型: 硕士论文
年　份: 2012年
下　载: 23次
引　用: 0次
阅　读: 论文下载
 

内容摘要


随着科学的进步，人工智能的研究也取得了突飞猛进的进展。创造出一台能够完全模拟人大脑功能的，能思考、会学习的智能系统是广大科研工作者的共同目标。而作为人脑最基本的功能——联想记忆也一直被科学家们所研究，并试图用计算机实现联想记忆功能。如今，实现联系记忆的算法有很多，其中基于神经网络的联想记忆功能的实现是研究的热点。被大家所熟知的具有联想记忆功能的神经网络是1982年Hopfiled神经网络。这30年间，国内外的科学家也提出了许多Hopfiled神经网络的改进方法以提高网络的存储量和容错率。然而，由于Hopfiled神经网络自身的限制，其联想记忆功能的研究已进入瓶颈期。基于生物结构的神经网络被推向研究的前沿，生物学家实验发现，人的大脑里存在混沌现象。1990年，Ahara根据生物电化学实验的结果提出了混沌神经网络。这二十年间，混沌神经网络被广大的国内外学者所研究，并取得了一些成果。本文基于现有成果，对混沌神经网络的联想记忆功能进行深入研究。首先，文章将对混沌神经网络的基本理论进行介绍，并在基于理论与实验的基础上对混沌神经网络的联想记忆功能进行分析。原来的混沌神经网络在一定的参数范围内，网络神经元将会进入混沌状态，从而神经元没有正确的输出。为了克服这一缺陷，本文将提出一种混沌神经网络的控制方法，并通过实验验证改进后的混沌神经网络的联想记忆功能得到了提高。在文章的最后，将把改进的混沌神经网络应用于字符识别，将混沌神经神经网络应用于实践。

全文目录


摘要  4-5
ABSTRACT  5-8
1 引言  8-15
  1.1 联想记忆功能概述  8-9
  1.2 基于人工神经网络的联想记忆模型研究的历史与现状  9-14
    1.2.1 基于人工神经网络的联想记忆模型研究历史  9-12
    1.2.2 基于人工神经网络的联想记忆模型研究现状  12-14
  1.3 论文研究意义  14
  1.4 论文结构  14-15
2 混沌神经网络模型的基本原理  15-25
  2.1 人工神经网络概述  15-19
    2.1.1 人工神经元模型  15-16
    2.1.2 神经网络的结构  16-17
    2.1.3 人工神经网络的学习规则  17-19
  2.2 混沌神经网络概述  19-20
    2.2.1 混沌神经网络的种类  19-20
    2.2.2 混沌神经网络的应用  20
  2.3 混沌神经元模型  20-21
  2.4 混沌神经网络模型  21-23
  2.5 混沌神经网络的非线性动力学特性分析方法  23-25
3 混沌神经网络联想记忆功能的实现  25-36
  3.1 具有联想记忆的混沌神经网络的设计  25-27
    3.1.1 网络设计整体分析  25-26
    3.1.2 混沌神经网络模型设计  26-27
    3.1.3 网络参数的确定  27
  3.2 混沌神经网络的联想记忆的实现  27-33
    3.2.1 输入原样本模式进行回忆  28-31
    3.2.2 输入带噪声的样本进行回忆  31-32
    3.2.3 输入部分信息缺失样本进行回忆  32-33
  3.3 混沌神经网络的联想记忆非线性动力学分析  33-36
    3.3.1 混沌神经元非线性动力学特性分析  33-34
    3.3.2 混沌神经网络的联想记忆动力学分析  34-36
4 混沌神经网络联系记忆功能的改进  36-47
  4.1 改进的混沌神经网络模型  36-39
    4.1.1 改进的混沌神经元模型  36-37
    4.1.2 改进的混沌神经网络模型  37-38
    4.1.3 改进的权值计算方法  38-39
  4.2 改进的混沌神经网络联系记忆的实现  39-43
    4.2.1 对原样本进行联系记忆  39-42
    4.2.2 对带噪声的样本进行联想记忆  42
    4.2.3 对部分信息缺失的样本进行联想记忆  42-43
  4.3 改进的混沌神经网络与原来的混沌神经网络的比较  43-47
    4.3.1 联想记忆能力的比较  43-44
    4.3.2 非线性动力特性的比较  44-47
5 改进后的混沌神经网络在字符识别上的应用  47-59
  5.1 用设计的混沌神经网络对字符进行识别  48-52
  5.2 改进后的混沌神经网络和原来的混沌神经网络以及 Hopfield 网络的字符识别能力的比较  52-59
    5.2.1 与原来的混沌神经网络的比较  52-53
    5.2.2 与 Hopfield 神经网络的比较  53-59
6 结论及展望  59-60
参考文献  60-64
致谢  64-65
在学期间公开发表论文及著作情况  65

相似论文

  1. 基于PowerPC架构的车牌识别算法研究,TP391.41
  2. 基于模糊逻辑的车牌识别系统研究,TP391.41
  3. 数字图像加密中的混沌算法研究,TP309.7
  4. 混沌神经网络公钥加密算法在邮件系统中的实现与应用,TP393.098
  5. 车牌识别系统中字符识别技术的研究,TP391.41
  6. 基于Hopfield神经网络的谣言认知模型研究,B842.1
  7. 铁路货车车号识别的算法研究,TP391.41
  8. 海下开采岩层变形混沌时序重构与安全预警系统研究,TD807
  9. 车牌识别算法的研究与实现,TP391.41
  10. 基于神经网络后处理的数字水印算法,TP309.7
  11. 智能故障诊断及其在变频器中的应用研究,TN773
  12. 视频文字提取技术研究与应用,TP391.41
  13. 基于提升小波与支持向量机的车牌识别研究,TP391.41
  14. 基于小世界体系的BAM网络的研究,TP183
  15. 两类时滞神经网络模型的稳定性分析,TP183
  16. 智能停车场VLPR研究与方案设计,TP391.41
  17. 车牌分拣中的机动车牌照识别,TP391.41
  18. 印刷体数学公式符号的切分与识别,TP391.41
  19. 基于类Hopfield网络的海马CA3区联想记忆功能障碍的建模与仿真,R319
  20. 组块构建记忆策略训练提高初中学生英语词汇学习质量的应用研究,G633.41
  21. 人工脑的一种具有期望容错域的联想记忆神经网络模型研究,TP183

中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论 > 人工神经网络与计算
© 2012 www.xueweilunwen.com