10.3969/j.issn.1673-5439.2008.06.016
一种基于稀疏指数联想记忆神经网络的图像识别方法
区别于一般的图像识别方法,指数联想记忆模型(EAM)是一种对数据分布无任何要求的非线性技术,具有指数级的存储容量和良好的容噪性能.随着实际的需求和被处理问题规模的扩大,EAM所采用的全互连结构将导致布线工艺上的困难而难以克服,限制了模型的VLSI(超大规模集成电路)硬件实现.通过在EAM中引入社会领域中广泛存在的"六度分离"现象,借鉴Watts和Strogatz提出的"小世界网络"理论对EAM进行了稀疏化改造.改造后的稀疏指数联想记忆模型(SEAM)不仅结构相对简单、易于硬件实现,而且仿真结果表明在灰度图像加噪和部分缺失的情况下,SEAM识别性能和全互连的EAM相当,表现出了较强的鲁棒性.
人工神经网络、联想记忆、模式识别、稀疏网络结构
28
TP183(自动化基础理论)
南京邮电大学青蓝计划NY206042
2009-03-13（万方平台首次上网日期，不代表论文的发表时间）
共5页
78-82
