稀疏互联联想记忆及其复杂网络实现
发布时间：2023-05-13 10:10
联想记忆网络模拟人脑信息存储及回忆机制，具有对含噪及不完全信息的鲁棒处理能力，因而在人工智能、模式识别等领域获得了广泛的研究与应用。复杂网络关注系统结构与功能之间的关系，是近年来研究复杂系统的新视角、新方法。模拟大脑神经学习机理的联想记忆模型其本质表现为一种复杂的非线性动力学系统，同时，生物脑神经系统中普适存在着复杂网络中典型的小世界效应和无标度特性。因此，从复杂网络角度出发，研究稀疏互联联想记忆模型实现就成为了一种新颖的思路。 本文借鉴复杂网络研究结构与功能关系新思想，从网络体系结构角度出发，深入而系统地从理论分析和应用实例两方面进行交替互补研究，着重探讨了神经元间稀疏互联方式对于网络联想记忆性能的影响，并构建了相应的复杂网络体系结构下的稀疏互联联想记忆模型。 论文的主要工作及创新点包括： (1)综述了联想记忆神经网络相关研究工作，指出其在生物学建模的合理性及硬件实现时存在的问题，分析了采用复杂网络思想研究稀疏互联联想记忆的可行性，提出了从网络体系结构角度出发，从神经元稀疏互联方式入手，借鉴复杂网络研究思想和生物神经系统中普遍存在的复杂网络性质，展开对稀疏互联联想记忆模型理论及应用两...
【文章页数】：117 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
致谢
第一章 绪论
1.1 研究背景
1.2 国内外研究概况
1.2.1 联想记忆神经网络
1.2.2 稀疏互联联想记忆神经网络
1.2.2.1 广义稀疏互联联想记忆神经网络
1.2.2.2 复杂网络体系联想记忆神经网络
1.3 论文的课题来源、研究内容及章节安排
1.3.1 论文的课题来源
1.3.2 论文的研究内容
1.3.3 论文的章节安排
参考文献
第二章 联想记忆与复杂网络
2.1 引言
2.2 联想记忆
2.2.1 联想记忆的定义与分类
2.2.2 联想记忆的工作过程
2.2.3 联想记忆的基本要求与研究重点
2.2.4 联想记忆的Hopfield神经网络实现
2.2.4.1 Hopfield联想记忆模型
2.2.4.2 模型的局限性
2.3 复杂网络相关研究
2.3.1 网络静态统计量的定义
2.3.2 复杂网络基本模型
2.3.2.1 Watts-Strogatz 小世界模型
2.3.2.2 Barab(?)si-Albert无标度模型
2.3.2.3 其他复杂网络模型
2.3.3 复杂网络的研究内容
2.4 基于复杂网络体系结构的稀疏互联联想记忆实现
2.5 本章小结
参考文献
第三章 稀疏互联联想记忆网络动力学行为刻画
3.1 引言
3.2 稀疏互联联想记忆神经网络动力学演化行为解析刻画
3.2.1 模型描述
3.2.2 能量函数及稳定性证明
3.2.3 动力学演化行为的概率统计分析
3.2.3.1 一步联想
3.2.3.2 多步联想
3.3 实例分析与讨论
3.3.1 理论分析与数值仿真的一致性验证
3.3.2 网络性能分析
3.4 网络实现稀疏互联的可行性分析
3.5 本章小结
参考文献
第四章 有限连接代价下的网络最优稀疏互联结构
4.1 引言
4.2 Quenched & Annealed Dilution稀疏策略
4.3 有限连接代价下的网络最优稀疏原则(Annealed Dilution)
4.3.1 模型描述
4.3.2 信噪比分析
4.3.3 最优稀疏互联结构确定
4.4 实例分析与讨论
4.5 本章小结
参考文献
第五章 一种新的小世界体系联想记忆模型
5.1 小世界体系联想记忆模型的神经生物学背景
5.2 捷径随机生成的Watts-Strogatz小世界体系联想记忆模型
5.3 和谐统一的混合择优思想
5.4 小世界体系结构自适应联想记忆模型
5.4.1 模型生成原则
5.4.2 仿真实验与讨论
5.4.2.1 自适应动态捷径生成原则与网络结构最优稀疏原则的一致性验证
5.4.2.2 有效性及鲁棒性分析
5.6 本章小结
参考文献
第六章 结构动态择优的无标度联想记忆模型
6.1 无标度拓扑结构的联想记忆模型的生物学背景
6.2 Barab(?)si-Albert无标度网络上的联想记忆实现
6.3 结构动态择优的无标度联想记忆模型
6.3.1 模型生成原则
6.3.2 仿真实验与讨论
6.3.2.1 结构动态择优网络的度分布特性
6.3.2.2 有效性及鲁棒性分析
6.4 本章小结
参考文献
第七章 总结与展望
7.1 论文主要工作
7.2 研究展望
攻读博士学位期间发表论文及参加科研情况
本文编号：3815716
【文章页数】：117 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
致谢
第一章 绪论
1.1 研究背景
1.2 国内外研究概况
1.2.1 联想记忆神经网络
1.2.2 稀疏互联联想记忆神经网络
1.2.2.1 广义稀疏互联联想记忆神经网络
1.2.2.2 复杂网络体系联想记忆神经网络
1.3 论文的课题来源、研究内容及章节安排
1.3.1 论文的课题来源
1.3.2 论文的研究内容
1.3.3 论文的章节安排
参考文献
第二章 联想记忆与复杂网络
2.1 引言
2.2 联想记忆
2.2.1 联想记忆的定义与分类
2.2.2 联想记忆的工作过程
2.2.3 联想记忆的基本要求与研究重点
2.2.4 联想记忆的Hopfield神经网络实现
2.2.4.1 Hopfield联想记忆模型
2.2.4.2 模型的局限性
2.3 复杂网络相关研究
2.3.1 网络静态统计量的定义
2.3.2 复杂网络基本模型
2.3.2.1 Watts-Strogatz 小世界模型
2.3.2.2 Barab(?)si-Albert无标度模型
2.3.2.3 其他复杂网络模型
2.3.3 复杂网络的研究内容
2.4 基于复杂网络体系结构的稀疏互联联想记忆实现
2.5 本章小结
参考文献
第三章 稀疏互联联想记忆网络动力学行为刻画
3.1 引言
3.2 稀疏互联联想记忆神经网络动力学演化行为解析刻画
3.2.1 模型描述
3.2.2 能量函数及稳定性证明
3.2.3 动力学演化行为的概率统计分析
3.2.3.1 一步联想
3.2.3.2 多步联想
3.3 实例分析与讨论
3.3.1 理论分析与数值仿真的一致性验证
3.3.2 网络性能分析
3.4 网络实现稀疏互联的可行性分析
3.5 本章小结
参考文献
第四章 有限连接代价下的网络最优稀疏互联结构
4.1 引言
4.2 Quenched & Annealed Dilution稀疏策略
4.3 有限连接代价下的网络最优稀疏原则(Annealed Dilution)
4.3.1 模型描述
4.3.2 信噪比分析
4.3.3 最优稀疏互联结构确定
4.4 实例分析与讨论
4.5 本章小结
参考文献
第五章 一种新的小世界体系联想记忆模型
5.1 小世界体系联想记忆模型的神经生物学背景
5.2 捷径随机生成的Watts-Strogatz小世界体系联想记忆模型
5.3 和谐统一的混合择优思想
5.4 小世界体系结构自适应联想记忆模型
5.4.1 模型生成原则
5.4.2 仿真实验与讨论
5.4.2.1 自适应动态捷径生成原则与网络结构最优稀疏原则的一致性验证
5.4.2.2 有效性及鲁棒性分析
5.6 本章小结
参考文献
第六章 结构动态择优的无标度联想记忆模型
6.1 无标度拓扑结构的联想记忆模型的生物学背景
6.2 Barab(?)si-Albert无标度网络上的联想记忆实现
6.3 结构动态择优的无标度联想记忆模型
6.3.1 模型生成原则
6.3.2 仿真实验与讨论
6.3.2.1 结构动态择优网络的度分布特性
6.3.2.2 有效性及鲁棒性分析
6.4 本章小结
参考文献
第七章 总结与展望
7.1 论文主要工作
7.2 研究展望
攻读博士学位期间发表论文及参加科研情况
本文编号：3815716
本文链接：https://www.wllwen.com/projectlw/xtxlw/3815716.html