论文部分内容阅读
联想记忆是人类脑细胞的重要功能之一。近年来，G．X．Ritter等人提出的形态双向联想记忆网络(MBAM)是一种比较有效的联想记忆方法，克服了传统联想记忆网络样本存储能力有限、联想记忆需要多次迭代、并有可能不收敛或收敛到局部极值点的缺陷，较好地解决了二值图像的联想记忆问题，因而得到了较为成功的应用。 本文是在MBAM的基础上，提出了模糊形态双向联想记忆网络(FMBAM)，从理论上证明了其保证正确双向联想的条件和可行性，利用乘法和取大取小操作，较好地解决了双向完全联想记忆问题，并且FMBAM能够记忆模糊规则和提高存储能力，从而为联想记忆的应用提供了一种新的途径和方法。在此基础上，为了解决联想记忆中的难点之一，使联想记忆网络具有抗任意随机噪声的能力，本文提出了动态核的FMBAM，分析了核矢量的特点，证明了它的有效性和必要性，并给出了寻找最佳核矢量的步骤和方法，比较好地解决了二值图像抗任意随机噪声的联想记忆问题，并把该方法应用于二值图像的模式识别上，同样获得了有效的结果。我的实验验证了其联想记忆和识别的正确率明显高于已有的方法。 本文也把动态核的FMBAM推广应用于灰度图像和彩色图像。理论证明了这种推广的可行性与正确性。在灰度图像的实现中其难点在于核矢量的选择，本文提出了一种寻找动态核的方法；在彩色图像的实现中，存在计算量急剧增加的困难，为此，提出了选取分色核，再合成的联想记忆方法。从而初步解决了这二类图像在含有任意随机噪声时的联想记忆与识别问题，实验也验证了这种方法的有效性。 为了改变Hopfield网络仅能储存二进制样本和双极样本的缺点，近年来，M．Casermeiro等人提出了多值自联想反馈神经网络(MREM)，但其对存储容量的提高效果很小，为此，本文提出了核化的多值自联想反馈神经网络(KARN)，它利用核函数把维数较低的样本映射到高维空间，再通过能量函数来计算经过核化的多值网络的容量，理论与实验结果表明，核化后的多值自联想反馈神经网络KARN与MREM相比，能够有效地提高网络的容量。