基于容錯性的模糊聯(lián)想記憶學習算法的設計.pdf_第1頁
已閱讀1頁,還剩40頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、模糊神經(jīng)網(wǎng)絡及其學習算法是當前人工智能中的研究熱點。本文圍繞模糊聯(lián)想記憶網(wǎng)絡(FAM)的學習算法展開研究,對∨-T FAM模型的魯棒性和容錯性進行了較深入的探討,其中∨指的是模糊取大算子,T指的是T-模。本文主要工作包括:
   (1)基于模糊取大算子(∨)和T-模的模糊合成,構建了一類模糊聯(lián)想記憶網(wǎng)絡(∨-T FAM)。利用T-模的模糊蘊涵算子,為這類∨-T FAM模型提出了學習算法。針對訓練模式對小幅攝動可能對模糊神經(jīng)網(wǎng)絡的

2、性能產(chǎn)生副作用,提出了一種新的∨-TFAM對訓練模式對攝動的魯棒性概念。理論研究表明當T-模滿足Lipschitz條件時,采用該學習算法的∨-T FAM對訓練模式對攝動幅度在系數(shù)為β(β≥1)的條件下全局擁有好的魯棒性。最后用∨-T FAM在圖像處理方面的實驗驗證了理論結果。
   (2)將上述關于∨-T FAM網(wǎng)絡模型的學習算法進一步深入,設計了一個基于容錯性的∨-T FAM學習算法。首先分析了該網(wǎng)絡模型的穩(wěn)定性,證明了該模型

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論