基于小世界体系的投影学习联想记忆模型研究

摘要

联想记忆是神经网络的重要应用之一,传统Hopfield网络所用的外积法限制了输入向量的模式,降低了网络的联想性能,而且全瓦连的结构增加了网络的复杂性,不符合神经生物学观点.针对这些问题.提出一种新型的小世界联想记忆模型,用局部的规则连接和稀疏的长程连接取代全互连结构,降低网络的复杂性,同时引入投影学习规则来提高网络的回忆能力和抗噪能力.通过matlab软件对该模型模拟仿真,并与其他模型进行比较,结果表明,该模型在有效降低网络复杂度的情况下,保持了良好的同忆件能.