【摘 要】
：
离散Hopfield网络在人工神经网络中是最成功的范例,也是人们最熟知的网络模型.许多其它的网络模型,都是它的变形或推广.它的特点是,其权矩阵为对称矩阵,其演化方式为串行或并
论文部分内容阅读
离散Hopfield网络在人工神经网络中是最成功的范例,也是人们最熟知的网络模型.许多其它的网络模型,都是它的变形或推广.它的特点是,其权矩阵为对称矩阵,其演化方式为串行或并行.通过某些学习算法,来完成其作为优化计算的工具和作为联想记忆式存储器的功能.1999年,Jinwen Ma定义出了一类广义Hopfield网络(GHN),其特点是只要求其权矩阵的主对角元为0,并通过组合学的方法证明,这类网络渐近记忆能力的下界是(n-1),上界为2n.与Hopfield网络相比,这类网络在存储能力上有了很大的改进.该文将这类GHN与模式识别中的感知器结合起来,将权矩阵中的n个行向量作为n个并行的满足一定条件的感知器,通过估计感知器在{0,1}上的分割能力,在理论上证明:具有n个神经元的广义Hopfield网络(GHN),在感知器的学习策略之下,其渐近记忆能力为2(n-1).这个结果精确的给出这类广义Hopfield网络的渐近记忆能力,是这类网络记忆能力估计的最一般的结论;另一方面也说明,作为联想式的存储器,这类GHN有着广阔的应用前景.
其他文献
这篇论文研究Maxwell方程组的数值方法和应用.我们应用己在流体力学等领域获得巨大成功的间断Galerkin方法求解线性色散耗损媒质中的时域Maxwell方程组.基于求解色散媒质的辅
今年一季度,我市消费品市场总体保持了平稳增长的发展态势。1-3月份,全市实现社会消费品零售总额124.7亿元,同比增长12.9%,比去年同期下降3.6个百分点。总量居全区第四名,增
本文主要研究系数或系数的模为两两NQD序列的随机Dirichlet级数的收敛性和增长性.本文由三部分组成.第一部分给出了本文所需的预备知识和本文的主要结果.第二部分利用两两NQD
该文分两部分.第一章到第五章是第一部分.第一章介绍了构造性代数几何方面的一些基本观念,特别介绍了吴方法在计数问题中的应用.第二章介绍一类并联机构-Stewart平台以及怎样
新课程标准所倡导的学生学习方式是自主的、合作的、探究的,以学生的自主学习为为基础,以合作学习为途径,以探究学习为目的.在这个学习的过程当中,学生作为一种活生生的力量,
C*-动力系统及其交叉积理论在研究群C*-代数的K-理论中起着重要作用，这主要体现在非交换几何中的核心问题Baum-Connes猜测中.本文将C*-动力系统及其交叉积理论推广到了更一股
随着金融混业经营的发展,精算学和金融工程相结构产生了许多新的保险产品.新问题的解决需要多学科的知识交叉,如控制论、随机优化、精算学、金融学等,这就给随机运筹学提供了
LDPC码是一类线性码,近些年来由于此类码的解码十分便捷且迅速准确,而逐渐受到重视.但是LDPC码的构造始终没有一个固定的方法,所以人们希望能够找到一些简便易行的方法来构造
Tiling,通俗地说就是用一个几何体把整个空间不重叠地完全铺满,就像铺瓷砖一样.这是一个非常古老的数学问题,其历史可以追溯到亚历士多德和欧几里得.由于这是一个极具现实背
设Q=(Q,Q)是一个带自同构σ的箭图,我们称(Q,σ)是一个ad-箭图,如果Q的同一轨道中的顶点间都没有箭向连接.箭图Q在F上的一个表示V=(V,φ)叫做F-稳定的,如果对任意ρ∈Q,Foφ=