神经网络导论-双向联想记忆.docxVIP

神经网络导论》实验二——双向联想记忆 专业：信息与通信工程 班级： 5030 班 学号： 3115091011 姓名： 王静 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。 实验原理 我们知道，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维矢量与P维矢量B: A= [??,??,…，？??-i]?? €{-1,1 }?? B= [??,??,…,???-i]?? €{-1,1 }?? 构成M对矢量（??????，s=0,1,…，M-将它们存入BAM存储器即可进行由A到B 或由B到A的双向联想，即给定 A （或B）可经联想得到对应的标准样本 B （或 A），当有噪声或缺损时，联想功能可使样本对复原。 其实，人脑就具有根据相关线索回忆和恢复信息的能力。 例如，片断曲调往 往可以唤起人们对整个乐曲的回忆；在人群中某人的背影就足以使我们想起一位 老朋友。人工神经网络力图实现这种功能。Kosko的BAM网络就是其中的一种。 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,反之，A 到B为反向传输，权矩阵为？???。 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。同理，如果输入矢量在下层，且相应于网络中A的稳定状态，经 ???之作用产生B稳定状态， 图1:瑕向联想记杞岡烙 当输入任意矢量时，网络要经若干次迭代计算演变至稳定状态，过程可示意为: WB(t) — ???? 1) ???????? 1) — ???? 2) WB(t + 2) — ???? 3) 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: (??,??),(??,??),…,(？??-1 , ???-1 ) 则正、反向权矩阵为： ??-1 W=刀????? ??=0 ??-1 W??=刀？??冷？ ??=0 如果BAM网络神经元函数阈值为0，则称为齐次BAM网络，其能量函数为: 1 1 E(A,B) = - — ????B- — ???????A= -???????? 2 2 若神经元非线性函数为f,则描述齐次BAM动态特性的差分方程为： 正向联想(B ? A) (1)????+ 1) = ??西?=1???????) (1) 反向联想(A? B) ??(?+ 2) = ??￡?=1?????????f 1)] 三、实验内容 3.1连接权矩阵和能量值 1?连接权矩阵 对于给定的4对学习样本根据Hebb规则计算网络的连接权矩阵，这里只计 算正向传输(即从B到A)的权重连接矩阵，反向权矩阵为正向权矩阵的转置。 下面为四对学习样本 TOC \o 1-5 \h \z A1=[1,-1,1,-1,1,-1,1,-1,1,-1,1,-1,1,-1,1] ; A2=[1,1,-1,-1,1,1,-1,-1,1,1,-1,-1,1,1,-1] ; A3=[1,1,1,-1,-1,-1,1,1,1,-1,-1,-1,1,1,1] ; A4=[1,1,1,1,-1,-1,-1,-1,1,1,1,1,-1,-1,-1] ; B1=[1,1,1,1,-1,-1,-1,-1,1,1] ; B2=[1,1,1,-1,-1,-1,1,1,1,-1] ; B3=[1,1,-1,-1,1,1,-1,-1,1,1] ; B4=[1,-1,1,-1,1,-1,1,-1,1,-1] ; 已知连接权矩阵的计算公式 W = E??；10 ?????，即W为15*10的矩阵，则带入 由实验原理可知，对于输入的一对样本 A、B,其能量值计算公式为:1 1E(A,B) = - ????B- ?? 由实验原理可知，对于输入的一对样本 A、B,其能量值计算公式为: 1 1 E(A,B) = - ????B- ???????A = -???????? 2 2 将四对样本分别带入得能量值分别为： 表二：能量值 (A2, B2) E2 样本能量值 (A1, B1)E1 (A3, B3)E3 (A4, B4)E4 -158 -142 -158 -146 四对样本可得连接权矩阵W为： 表一：连接权矩阵 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