唐良荣
- 作品数：3 被引量：0H指数：0
- 供职机构：长沙理工大学计算机与通信工程学院更多>>
- 发文基金：教育部科学技术研究重点项目国家自然科学基金湖南省教育厅重点项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 参数化模糊联想记忆网络的学习算法
- 2009年
- 基于Dubois提出的带参数ξ的t-模Tξ,提出了一种参数化的广义模糊联想记忆网络Max-TξFAM。由于Tξ中参数ξ的作用,在应用中Max-TξFAM有更强的可调性和灵活性。接着利用Tξ的伴随蕴涵算子,提出了Max-TξFAM的一种有效学习算法。从理论上严格证明了,只要Max-TξFAM能完整可靠地存储所给的多个模式对,则所提出的学习算法一定能找到使得网络能完整可靠存储这些模式对的所有连接权矩阵的最大者。最后,用实验说明了所提出的学习算法的有效性。
- 唐良荣吴建华徐蔚鸿
- 关键词：模糊联想记忆网络学习算法T-模
- 一种参数化模糊联想记忆网络的鲁棒性分析
- 2010年
- 基于最大运算Max以及带参数ξ的t-模Tξ的模糊关系合成,提出一种参数化的广义模糊联想记忆网络Max-TξFAM及一种有效学习算法。由于Tξ中参数ξ的作用,在应用中Max-TξFAM有更大的适应性和灵活性。从理论上证明采用该学习算法时,对任意ξ∈[0,1],Max-TξFAM对训练模式摄动的鲁棒性差。通过一个图像联想方面的实验检验了该结论的正确性。
- 唐良荣蒋真徐蔚鸿李鹰
- 关键词：模糊神经网络模糊联想记忆网络学习算法鲁棒性T-模
- 带参数聚合算子的模糊联想记忆网络
- 2010年
- 基于最大运算Max和t--范数T的神经网络模型Max-T FAM是B.Kosko提出的经典模糊联想记忆(FAM)网络的一种重要的广义形式,其性能有多处不足.本文利用一种参数化聚合算子∨λ,提出了一种计算简单、易于硬件实现的广义模糊联想记忆(GFAM)网络,其连接算子从{∨λ|λ∈[0,1]}中选取;从理论上严格证明了GFAM具有一致连续性,比所有Max-T FAM的映射能力和存储能力强很多;接着运用模糊关系方程理论提出和分析了GFAM的一种所谓的Max-Min-λ学习算法;最后用实验对GFAM和Max-T FAM的完整可靠存储能力进行了比较,并示例了GFAM在图像联想方面的应用.
- 李鹰徐蔚鸿唐良荣
- 关键词：模糊神经网络模糊联想记忆学习算法T-范数模糊关系方程
