文献检索-宁波市创意产业特色资源库

限定检索结果

离散型Hopfield神经网络学习算法: 收藏
分享
引用; 《计算机工程与设计》2018年第3期39卷 831-835页; 作者：朱丽萍王锋辉李洪奇吕洁 SikandarAli中国石油大学(北京)石油数据挖掘北京市重点实验室北京102249 中国石油大学(北京)地球物理与信息工程学院北京102249; 为使得离散型Hopfield神经网络(DHNN)具备更强的联想记忆功能,基于替换函数f(x),权值求取采用提出的学习算法。通过设计比sgn更强约束能力的函数f(x),在满足sgn函数要求的同时连续可导,由于f(x)连续可导,可根据能量最低点网络状态不再...; 为使得离散型Hopfield神经网络(DHNN)具备更强的联想记忆功能,基于替换函数f(x),权值求取采用提出的学习算法。通过设计比sgn更强约束能力的函数f(x),在满足sgn函数要求的同时连续可导,由于f(x)连续可导,可根据能量最低点网络状态不再发生变化的特性定义损失函数,用梯度下降算法来求解。使用Matlab编程验证效果,验证结果表明,该学习算法比传统的外积法、正交设计法具有更好的效果,对原始信息还原率提高了5%-11%。; 来源：详细信息评论

限定检索结果