递归神经网络的多稳定性及其在联想记忆中的应用

发布时间：2024-02-20 23:45

　　人工神经网络作为一种复杂的能够进行并行信息处理的数学计算模型,近几十年来一直有众多学者对其进行研究,如今神经网络已经广泛用于实现人工智能、最优化控制、模式识别、联想记忆、图像处理等方面。而联想记忆作为一种模仿人类记忆的应用,在处理输入具有较大扰动时识别率较高。在众多种类的神经网络中,递归神经网络能够很好地被应用于联想记忆、模式识别等,所以研究递归神经网络的动力学行为是非常有必要的。将递归神经网络应用于联想记忆时,需要将所要记忆的模式与递归神经网络的稳定点进行相关联,网络的稳定点的数量决定了应用的记忆容量,所以对递归神经网络的多稳定性的研究是具有重要的理论意义和工程应用价值的。本文首先介绍了人工神经网络的研究概况、研究背景,接着针对递归神经网络的多稳定性介绍了相关的研究意义和研究现状。通过一些数学技巧得到了使得递归神经网络具有一定数量平衡点、不变集以及局部稳定点的充分条件,并使用MATLAB对其进行仿真实验,并设计了相关的仿真联想记忆应用。本文的主要研究内容如下:(1)介绍了忆阻递归神经网络,并针对该种具有广义非单调激活函数的神经网络利用区域划分,得到了使得网络含有(2l+3)^...

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

图3-1激活函数示例图像

图3-1激活函数示例图像Figure3-1.Samplefigureofactivationfunction12max,ijijijaaa，12min,ijijijaaa，给定一个集合ΞR，co。因此能得到....

图3-2激活函数(3-17)的图像

图3-2激活函数(3-17)的图像Figure3-2.Figureofactivationfunction(3-17)3-16）满足定理3.3中的条件，所以系统（3-16）将会有9个局统的动力学特性如下图：

图3-3系统(3-16)的状态转移特性

图3-3系统(3-16)的状态转移特性Figure3-3.Transientstatesofsystem(3-16)从图3-3中可以看到在二维向量空间中存在9个不同的稳定平衡点（吸引子），并且它们的吸引域的大小相近。148343231x()3

图4-1激活函数(4-2)的结构图

()()(())1,niiiijjjijDxtbxtafxtI++,,n，表示分数阶的阶次并且(0,1)；()ixt代表在时刻t时值；0ib代表神经元的自馈系数；ija是第个神经元对第....

本文编号：3904704