全局优化学习算法下的高阶神经网络模型

全局优化学习算法下的高阶神经网络模型 A HIGHER-ORDER NEURAL NETWORK MODEL USING GLOBAL OPTIMAL LEARMOMG ALGORITHM 王阿明 Wang Aming 1 2 3 first-author 梁明理 Liang Mingli 1 2 3 武汉大学物理学系 武汉大学物理学系 Department of Physics, Wuhan University Department of Physics, Wuhan University 徐州医学院 徐州医学院 武汉大学物理学系徐州医学院 武汉大学物理学系徐州医学院 研究了一个高阶神经网络模型，该模型采用全局优化学习算法，能使所有学习图样都成为系统的稳态吸引子，其存储容量远高于Ｈｅｂｂ－ｒｕｌｅ－ｌｉｋｅ型学习算法下的高阶神经网络模型，并能存储识别相关图样．对由３０个神经元组成的二阶神经网络系统进行了计算机模拟，模拟结果证实了上述结论．此外，还分析了初始突触强度对学习效果的影响，计算了不同存储图样数目下的平均吸引半径． This paper presents a higher-order neural network model. It uses global optimal learning algorithm to enable all the learning patterns to be stable attracters of the system. Thus its storage capecity is much higher than the higher-order model using Hebb-rule-like learning algorithm, and coherent patterns can be stored in the new model. Calculations of computer simulation to a 2nd-order system with 30 neurons are carried out. The results confirm the above conclusion. The relationship between learning effects and inicial synapse weights and the relationship between average attraction radius and number of stored patterns are simulated and analysed. 高阶神经网络模型．学习算祛 存储容量 平均吸引半径 Q811.2 1994-03-01 2021-04-01 3