基于小世界体系的模糊自联想记忆神经网络研究

摘要

联想记忆网络是一类特殊的人工神经网络，能够从不完整、含噪信息中获得全部信息。模糊联想记忆是模糊系统和神经网络的结合，兼具两种优点，已广泛应用在人工智能，模式识别等领域。模糊联想记忆网络结构大都是全互联的，随着神经元数量增加，网络的连接边增多，硬件实现困难。因此，对模糊联想记忆网络结构研究成为近几年研究热点，同时，生物学研究证明：生物脑神经中普遍存在小世界效应，因此，从生物学角度出发，将小世界体系结构应用到模糊联想记忆中并非偶然。
　　 本文从网络结构角度出发，深入研究小世界体系结构生成算法，对一种权值择优小世界生成算法进行改进，并通过实验验证其可行性和有效性。再将其应用到模糊自联想记忆网络中，构建了基于小世界体系结构的模糊自联想记忆网络模型。本文具体的研究工作和创新之处体现在以下几个方面：
　　 1.介绍了模糊联想记忆网络的概念和研究现状，指出了现有模糊联想记忆神经网络学习算法及硬件实现的问题，分析了从网络体系结构出发，对全互联模糊神经网络结构进行稀疏互联的可行性。
　　 2.研究了复杂网络中典型的小世界网络，分析指出原始小世界体系结构生成方式具有随机性，缺乏确定性的缺陷，借鉴复杂动态网络中和谐统一的混合择优模型构建思想，对一种具有目的性的权值择优生成方法进行改进。
　　 3.将小世界理论和模糊联想记忆神经网络结合起来。运用最大-T模蕴含算子对全互联神经网络进行学习，确定权值矩阵。以权值矩阵为指导，运用权值择优捷径生成算法生成具有小世界体系结构的模糊自联想记忆网络，这样生成的小世界体系结构不乏确定性，由于是以权值矩阵为依据，所以生成的小世界网络保留了有用边删除了无用边，在减少连接代价的同时最大程度的保持了网络性能。
　　 4.将基于小世界体系的模糊自联想记忆网络应用到简单的人脸图像识别。结果证明了其可行性和有效性，对含燥信息恢复的鲁棒性。