智能优化计算ANN课件 Example6.2ch-Autoassociative memory.pdfVIP

举例 1 通过此例分析自联想记忆的设计和收敛特性。已知网络存储了下列两个向量： s(1) = [-1 -1 1 1]； s(2) = [-1 1 1 -1]； 网络状态转移图如下图所示。 要求： （1） 验证其权值矩阵； （2 ） 验证其能量函数； （3 ） 分析网络状态转移的特性。 解： 1. 递归自联想网络的基础概念 联想记忆网络存储成对的矢量模式对。设在学习过程中存入M个学习样本对 Xi i k k ,Y },i=1,2,…M。若输入样本为X=X +α，其中X 是M个存储学习的样本之一，α 是噪声，要求输出：Y=Yk 。因此联想记忆有两种情况： （1） 自联想记忆：存储的学习模式对一样，即Xk k =Y 。此时，通过输入模式的一 部分信息即可恢复模式的全部信息，此过程相当于滤波过程。 k k （2） 异联想记忆：网络存储的学习模式对不同，X ≠Y ，即网络存储了两个模式 之间的对应关系。异联想记忆实际上确定了输入模式与输出模式之间的对应 关系，它在内容异址存储、模式分类等方面有着广泛的应用。 联想记忆的运行方式可以分两类：（1）映射类；（2 ）AM按非线性动力学系统的 演化过程进行。 根据本题的题意，先给出一 个递归自联想记忆的网络结构 图，如右图。该网络类似于线性 联想，但它有反馈，有非线性映 射（通过阈值），而且是动态的。 其基础是Hopfield网络。 2．递归自联想网络的算法 2.1 递归自联想网络的存储算法 ①设待存储模式为： s (m) m 1,2, , p ； ②权值计算： 递归自联想记忆的网络结构 p (m) ( ) W s s m T pI （1.a） m 1 p 或 w (1 )s (m) s (m) (1.b) ij ij i j m 1 其中： ——Kronecker Delta。 1if i j ;  0 if i j . ij ij ij 2.2 递归自联想网络的检索算法 n （1） 检索：k 1 k v sgn(w vj ) ； (2) i ij j 1 1 T （2） 能量函数： ； (3.a) E v v Wv ( ) 