《神经网络导论》实验二-双向联想记忆.docxVIP

《神经网络导论》实验二 双向联想记忆 专业班级 硕 2081 学 号 3112313038 姓 名 李海玥 完成时间 2013年1月 《神经网络导论》试验二 双向联想记忆 李海玥 2013年1月 一、实验目的 熟悉Kosko型双向联想记忆网络的原理与结构，通过仿真实验掌握具体的实现方法，了解该网络的功能及性能，加深对该类网络的稳定状态和能量函数等概念的理解。 二、实验原理 联想记忆功能分为自联想和异联想，异联想也称为双向联想记忆，简写为BAM。BAM存储器可存储两组矢量，若有如下N维矢量A和P维矢量B： A= B= 构成M对矢量As,Bs,s=0,1,?,M-1 如图1所示，与矢量A相应的一层有N个节点，另一层对应矢量B，有P个节点，两层间双向连接。假定B到A的传输为正向，正向的权矩阵为W。 如果输入矢量由上层加入，且相应于网络中B的稳定状态，则经W之作用产生A稳定状态。 图1：双向联想记忆网络 当任意矢量输入时，网络要经若干次次迭代计算演变至稳态，过程可示意为： WB W WB ? 直至A、B为稳态，演变过程结束。 网络学习遵从Hebb规则，若给定M个双极性矢量对： A 则正，反向权矩阵为： W= W 如果BAM网络神经元函数值为0，则称为齐次BAM网络，其能量函数为： E 若神经元的非线性函数为f，则描述齐次BAM动态特性的差分方程为： 正向联想(B?A) a 反向联想(A?B) b 三、实验内容及步骤 1、选择齐次Kosko型BAM网络编制程序实现联想记忆。设神经元非线性函数f为硬限幅函数，即f(x)=san(x)；当x=0时，神经元的输出维持不变。 2、根据Hebb规则算出网络的连接权矩阵并记录；算出四对矢量所对应的稳定状态的能量值。 连接权值W= 4 2 2 -2 0 -2 0 -2 4 0 2 0 0 -4 2 0 2 0 2 -2 2 0 0 0 2 0 -2 -4 2 2 -2 -4 0 0 2 0 2 0 -2 -2 0 2 2 2 -4 -2 0 2 0 0 -2 0 0 0 -2 0 2 4 -2 -2 0 2 -2 2 0 2 -4 -2 0 4 -2 0 -4 0 2 4 -2 0 -2 2 4 2 2 -2 0 -2 0 -2 4 0 0 -2 2 -2 0 -2 4 2 0 -4 0 -2 2 2 0 -2 0 -2 0 0 -2 -4 0 0 2 0 2 0 -2 -2 2 4 0 0 -2 0 -2 0 2 2 0 2 -2 -2 0 2 0 2 0 0 0 2 -2 2 0 2 -4 -2 0 4 稳定状态能量值： E=[ 3、验证网络的联想能力 经过Matlab编程验证，经过以上计算出的权值W和对称硬限幅函数的非线性作用，选择标准样本Ai进行迭代，观察上下两层的状态是否为(Ai, Bi)。同样任选Bi输入观察稳定后的结果。 经过前面计算出的权值W和符号函数非线性作用，进行一次迭代，联想成功没有偏差。即 A B 4、验证网络抗噪能力 以标准矢量A1随机两位取反形成畸变矢量 A 带入网络中迭代至稳定。 得到结果 A 过程经过两次迭代期间能量变化为： E 5、噪声大小对联想能力的影响 统计4个矢量分别在1~3位上取反时的联想正确率。对于每种情况取2000次运算得到平均性能。 表1 噪声对网络联想力的影响 标准矢量 取反位数 迭代次数平均值 联想正确率 A1 1 2.0000 100% 2 2.0000 98.97% 3 2.0975 95.58% A2 1 2.0000 100% 2 2.0160 98.49% 3 2.1765 91.68% A3 1 1.9200 99.52% 2 1.9905 98.51% 3 2.0636 95.21% A4 1 2.0000 100% 2 2.0130 99.61% 3 2.0975 89.71% 6、正反向联想抗噪能力 统计4个B矢量分别在1~3位取反时的联想正确率，记录结果并与第5步结果比较。 表2 反向联想抗噪能力 标准矢量 取反位数 迭代次数平均值 联想正确率 B1 1 2.0000 100% 2 2.2160 91.75% 3 2.3360 77.03% B2 1 1.8705 97.80% 2 2.0685 94.52% 3 2.3395 80.03% B3 1 1.9020 99.02% 2 2.0270 91.43% 3 2.2030 74.40% B4 1 1.7955 97.95% 2 2.0165 92.17% 3 2.1815 76.89% 四、实验思考题 1、在实验步骤4中观察网络能量E是如何变化的？根据网络机理说明原因。 从步骤4中可以看出，网络能量E随着