基于小世界体系的核自联想记忆模型

摘要：

@@ 1引言
联想记忆神经网络是体现网络优势、具有广泛应用前景的一类网络模型.本文借鉴近年来机器学习领域中颇具影响力的核方法[1]和社会网络中广泛存在的小世界体系[2],通过改进Hopfield联想记忆模型的回忆规则[3],构建了一类基于小世界体系的核自联想记忆模型(small world architecture basedkernel auto-associative memory model,SWAKAM).在FERET人脸数据库上的测试表明,它获得了比标准的特征脸算法(PCA)[4]以及最近提出的E(PC)2A[5]算法更高的识别率.SWA-KAM模型所具有的最大特点是,它以较小的代价获得了较高的性能,较大地简化了全互连KAM模型的结构,使传统AM模型的VLSI实现更加容易.

机标关键词：小世界体系、联想记忆模型、记忆神经网络、memory model、特征脸算法、应用前景、学习领域、网络优势、网络模型、社会网络、影响力、数据库、识别率、全互连、核方法、性能、人脸、结构、机器、规则

所属期刊栏目：31

分类号：TP3(计算技术、计算机技术)

在线出版日期：2005-12-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共2页

页码：315-316