基于容錯性的模糊聯(lián)想記憶學(xué)習(xí)算法的設(shè)計.pdf

1、模糊神經(jīng)網(wǎng)絡(luò)及其學(xué)習(xí)算法是當(dāng)前人工智能中的研究熱點(diǎn)。本文圍繞模糊聯(lián)想記憶網(wǎng)絡(luò)(FAM)的學(xué)習(xí)算法展開研究，對∨-T FAM模型的魯棒性和容錯性進(jìn)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(gòu)建了一類模糊聯(lián)想記憶網(wǎng)絡(luò)(∨-T FAM)。利用T-模的模糊蘊(yùn)涵算子，為這類∨-T FAM模型提出了學(xué)習(xí)算法。針對訓(xùn)練模式對小幅攝動可能對模糊神經(jīng)網(wǎng)絡(luò)的

2、性能產(chǎn)生副作用，提出了一種新的∨-TFAM對訓(xùn)練模式對攝動的魯棒性概念。理論研究表明當(dāng)T-模滿足Lipschitz條件時，采用該學(xué)習(xí)算法的∨-T FAM對訓(xùn)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(jié)果。
　　 (2)將上述關(guān)于∨-T FAM網(wǎng)絡(luò)模型的學(xué)習(xí)算法進(jìn)一步深入，設(shè)計了一個基于容錯性的∨-T FAM學(xué)習(xí)算法。首先分析了該網(wǎng)絡(luò)模型的穩(wěn)定性，證明了該模型