發(fā)布時間：2023-05-13 10:10

　　聯(lián)想記憶網(wǎng)絡模擬人腦信息存儲及回憶機制，具有對含噪及不完全信息的魯棒處理能力，因而在人工智能、模式識別等領域獲得了廣泛的研究與應用。復雜網(wǎng)絡關注系統(tǒng)結(jié)構(gòu)與功能之間的關系，是近年來研究復雜系統(tǒng)的新視角、新方法。模擬大腦神經(jīng)學習機理的聯(lián)想記憶模型其本質(zhì)表現(xiàn)為一種復雜的非線性動力學系統(tǒng)，同時，生物腦神經(jīng)系統(tǒng)中普適存在著復雜網(wǎng)絡中典型的小世界效應和無標度特性。因此，從復雜網(wǎng)絡角度出發(fā)，研究稀疏互聯(lián)聯(lián)想記憶模型實現(xiàn)就成為了一種新穎的思路。 本文借鑒復雜網(wǎng)絡研究結(jié)構(gòu)與功能關系新思想，從網(wǎng)絡體系結(jié)構(gòu)角度出發(fā)，深入而系統(tǒng)地從理論分析和應用實例兩方面進行交替互補研究，著重探討了神經(jīng)元間稀疏互聯(lián)方式對于網(wǎng)絡聯(lián)想記憶性能的影響，并構(gòu)建了相應的復雜網(wǎng)絡體系結(jié)構(gòu)下的稀疏互聯(lián)聯(lián)想記憶模型。 論文的主要工作及創(chuàng)新點包括： (1)綜述了聯(lián)想記憶神經(jīng)網(wǎng)絡相關研究工作，指出其在生物學建模的合理性及硬件實現(xiàn)時存在的問題，分析了采用復雜網(wǎng)絡思想研究稀疏互聯(lián)聯(lián)想記憶的可行性，提出了從網(wǎng)絡體系結(jié)構(gòu)角度出發(fā)，從神經(jīng)元稀疏互聯(lián)方式入手，借鑒復雜網(wǎng)絡研究思想和生物神經(jīng)系統(tǒng)中普遍存在的復雜網(wǎng)絡性質(zhì)，展開對稀疏互聯(lián)聯(lián)想記憶模型理論及應用兩...

【文章頁數(shù)】：117 頁

【學位級別】：博士

【文章目錄】：
摘要
ABSTRACT
致謝
第一章 緒論
    1.1 研究背景
    1.2 國內(nèi)外研究概況
        1.2.1 聯(lián)想記憶神經(jīng)網(wǎng)絡
        1.2.2 稀疏互聯(lián)聯(lián)想記憶神經(jīng)網(wǎng)絡
            1.2.2.1 廣義稀疏互聯(lián)聯(lián)想記憶神經(jīng)網(wǎng)絡
            1.2.2.2 復雜網(wǎng)絡體系聯(lián)想記憶神經(jīng)網(wǎng)絡
    1.3 論文的課題來源、研究內(nèi)容及章節(jié)安排
        1.3.1 論文的課題來源
        1.3.2 論文的研究內(nèi)容
        1.3.3 論文的章節(jié)安排
    參考文獻
第二章 聯(lián)想記憶與復雜網(wǎng)絡
    2.1 引言
    2.2 聯(lián)想記憶
        2.2.1 聯(lián)想記憶的定義與分類
        2.2.2 聯(lián)想記憶的工作過程
        2.2.3 聯(lián)想記憶的基本要求與研究重點
        2.2.4 聯(lián)想記憶的Hopfield神經(jīng)網(wǎng)絡實現(xiàn)
            2.2.4.1 Hopfield聯(lián)想記憶模型
            2.2.4.2 模型的局限性
    2.3 復雜網(wǎng)絡相關研究
        2.3.1 網(wǎng)絡靜態(tài)統(tǒng)計量的定義
        2.3.2 復雜網(wǎng)絡基本模型
            2.3.2.1 Watts-Strogatz 小世界模型
            2.3.2.2 Barab(?)si-Albert無標度模型
            2.3.2.3 其他復雜網(wǎng)絡模型
        2.3.3 復雜網(wǎng)絡的研究內(nèi)容
    2.4 基于復雜網(wǎng)絡體系結(jié)構(gòu)的稀疏互聯(lián)聯(lián)想記憶實現(xiàn)
    2.5 本章小結(jié)
    參考文獻
第三章 稀疏互聯(lián)聯(lián)想記憶網(wǎng)絡動力學行為刻畫
    3.1 引言
    3.2 稀疏互聯(lián)聯(lián)想記憶神經(jīng)網(wǎng)絡動力學演化行為解析刻畫
        3.2.1 模型描述
        3.2.2 能量函數(shù)及穩(wěn)定性證明
        3.2.3 動力學演化行為的概率統(tǒng)計分析
            3.2.3.1 一步聯(lián)想
            3.2.3.2 多步聯(lián)想
    3.3 實例分析與討論
        3.3.1 理論分析與數(shù)值仿真的一致性驗證
        3.3.2 網(wǎng)絡性能分析
    3.4 網(wǎng)絡實現(xiàn)稀疏互聯(lián)的可行性分析
    3.5 本章小結(jié)
    參考文獻
第四章 有限連接代價下的網(wǎng)絡最優(yōu)稀疏互聯(lián)結(jié)構(gòu)
    4.1 引言
    4.2 Quenched & Annealed Dilution稀疏策略
    4.3 有限連接代價下的網(wǎng)絡最優(yōu)稀疏原則(Annealed Dilution)
        4.3.1 模型描述
        4.3.2 信噪比分析
        4.3.3 最優(yōu)稀疏互聯(lián)結(jié)構(gòu)確定
    4.4 實例分析與討論
    4.5 本章小結(jié)
    參考文獻
第五章 一種新的小世界體系聯(lián)想記憶模型
    5.1 小世界體系聯(lián)想記憶模型的神經(jīng)生物學背景
    5.2 捷徑隨機生成的Watts-Strogatz小世界體系聯(lián)想記憶模型
    5.3 和諧統(tǒng)一的混合擇優(yōu)思想
    5.4 小世界體系結(jié)構(gòu)自適應聯(lián)想記憶模型
        5.4.1 模型生成原則
        5.4.2 仿真實驗與討論
            5.4.2.1 自適應動態(tài)捷徑生成原則與網(wǎng)絡結(jié)構(gòu)最優(yōu)稀疏原則的一致性驗證
            5.4.2.2 有效性及魯棒性分析
    5.6 本章小結(jié)
    參考文獻
第六章 結(jié)構(gòu)動態(tài)擇優(yōu)的無標度聯(lián)想記憶模型
    6.1 無標度拓撲結(jié)構(gòu)的聯(lián)想記憶模型的生物學背景
    6.2 Barab(?)si-Albert無標度網(wǎng)絡上的聯(lián)想記憶實現(xiàn)
    6.3 結(jié)構(gòu)動態(tài)擇優(yōu)的無標度聯(lián)想記憶模型
        6.3.1 模型生成原則
        6.3.2 仿真實驗與討論
            6.3.2.1 結(jié)構(gòu)動態(tài)擇優(yōu)網(wǎng)絡的度分布特性
            6.3.2.2 有效性及魯棒性分析
    6.4 本章小結(jié)
    參考文獻
第七章 總結(jié)與展望
    7.1 論文主要工作
    7.2 研究展望
攻讀博士學位期間發(fā)表論文及參加科研情況



本文編號：3815716