关于模块联想网络分类器.pdfVIP

7—285 关于模块联想网络分类器+ 黄德双 (北京系巯丁程研究所北京100101) 摘要 本文讨论了Hopfield和双向联想记}乙(BAM)网络用于模式识别的模块化结构，并对两种模块 分类网络的联想与分类特性做了深入的分析，最后，给出几个例子说明丁模块联想网络用于分类的可行 性和有效性。 关键词Hopfield网络双向联想记忆网络单层感知器模式分类Hamming距离 0n NetworksChassifiers ModularAssociative Institute 100101) ofSystem (Beijing EngineeringBeqing the and ABSTRAcrThis discussesmodulararchitecturesof nets bidiree， paper Hopfield in tionalassociative for makesdetail classification．and pattern meiIaory(BAM)networks on andclassification are to ass∞ciatlon analyses properties．FinNly，severalexamplesgiven show the andeffectivenessofmodularassociativeclarificationnetworks． feasibility KEYWORDSNetsBidireetionalAsmeiativeNetworks Hopfield Memory One—Layered Pattern ClassificationDistance Perceptron Hamming l引 言 联想记忆(包括自联想和异联想)是神经网络的基本特征之一。一般来说．神经网络联想记忆 的方法包括通过迭代学习实现的动态(dynamic)法和通过矢量外积(outerproduct)实现的静态 (static)法两种。此外，用于联想记忆的神经网络模型主要有前馈网络和反馈网络两种结构，前馈 网络联想记忆是由当前的输入和网络的连接权值来决定的；而反馈网络总是将以前的输入返回到 输入端，其输出不但取决于当前的输入，而且还取决于过去的输出¨_5J。 实际上，所有的联想记忆网络都不能直接判别网络的联想输出对应的模式属性，它们在某种程 度r只能等价用于降低噪声的预处理器(或称模式顼处理器)。如果被用作模式分类器，通常还需 要对经过预处理的模式样本再进行行匹配与鉴别…。本文讨论丁Hopfield网络、双向联想记忆网 络用于模式分类的模块结构，在讨论这两种网络用于模式预处理特性的基础上，研究丁对应分类器 ·奉史得到世家自然科学基金和圈防预研基金的资助。 7 286 同络的后端分类器结构