×

混沌神经网络中的学习诱导模式分类。 (英语) Zbl 1255.35214号

摘要:在这封信中,我们提出了一种用于混沌神经网络(CNN)的带被动遗忘的希伯来学习规则(HLRPF)。然后,我们基于欧氏距离定义指数,以简化的方式研究权重的演变。数值模拟表明,在适当的外部刺激下,带有HLRPF的CNN作为一种模糊模式分类器,其性能要比普通CNN好得多。研究结果暗示了学习和认知之间的关系。

MSC公司:

35卢比 图和网络(分支或多边形空间)上的PDE
35B36型 PDE背景下的模式形成
37D45号 奇异吸引子,双曲行为系统的混沌动力学
68T05型 人工智能中的学习和自适应系统
92B20型 生物研究、人工生命和相关主题中的神经网络
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 霍普菲尔德,J.J.,Proc。国家。阿卡德。科学。美国,79,2554(1982)·Zbl 1369.92007号
[2] Rumelhart,D.E。;辛顿,G.E。;威廉姆斯,R.J.,《自然》,323533(1986)·Zbl 1369.68284号
[3] Aoyagi,T.,物理学。修订稿。,74, 4075 (1995)
[4] Aihara,K。;Takabe,T。;丰田章男,物理学。莱特。A、 144333(1990年)
[5] Tsuda,I.,神经网络,5313(1992)
[6] 奈良,S。;戴维斯,P.,Phys。E版,55,826(1997)
[7] 渡边,M。;Aihara,K.,神经网络,101353(1997)
[8] Aihara,K。;Matsumoto,G.(Holden,A.R.,Chaos(1986),曼彻斯特大学出版社:曼彻斯特学院出版社),257-269·Zbl 0743.58005号
[9] 松本,G。;Aihara,K。;韩愈,Y。;高桥,N。;吉泽,S。;Nagumo,J.,《物理学》。莱特。A、 123、162(1987)
[10] 阿达奇,M。;Aihara,K.,神经网络,10,83(1997)·兹比尔1423.68396
[11] 德田,I。;Nagashima,T。;Aihara,K.,神经网络,101673(1997)
[12] 长尾,N。;西村,H。;松井,N.,《神经过程》。莱特。,12, 267 (2000) ·Zbl 1008.68707号
[13] 他,G。;曹,Z。;陈,H。;朱,P.,国际。J.修订版。物理学。B、 174209(2003)
[14] 他,G。;曹,Z。;朱,P。;Ogura,H.,神经网络,161195(2003)
[15] Kuroiwa,J。;北马苏塔尼。;奈良,S。;Aihara,K.,国际。J.比福尔。《混沌》,第14期,第1413页(2004年)·Zbl 1084.37509号
[16] 他,G。;Chen,L。;Aihara,K.,神经计算,71,2794(2008)
[17] 他,G。;医学博士Shrimalia。;Aihara,K.,神经网络,21114(2008)·兹比尔1254.37061
[18] 渡边,M。;Aihara,K。;近藤,S.,电子。Commun公司。日本第三部分,79,87(1996)
[19] Y.奥萨纳。;Hagiwara,M.,国际。神经系统杂志。,9, 285 (1999)
[20] 王,Z。;风扇,H。;Aihara,K.,国际。J.比福尔。混沌,173085(2007)·Zbl 1185.37201号
[21] Hebb,D.O.,《行为组织》(1949),威利出版社:威利纽约
[22] Hoppenstead,F.C。;Izhikevich,E.M.,弱连接神经网络(1997),Springer-Verlag:Springer-Verlag Berlin·Zbl 0887.92003号
[23] Siri,B。;Berry,H。;塞萨克,B。;德洛德,B。;Quoy,M.,神经计算,202937(2008)·Zbl 1159.68536号
[24] M.Adachi,K.Aihara,摘自:Proc。第六届IEEE神经信息处理国际会议-ICONIP99,第3卷,澳大利亚珀斯,1999年,第1028-1032页。;M.Adachi,K.Aihara,摘自:Proc。第六届IEEE神经信息处理国际会议-ICONIP99,第3卷,澳大利亚珀斯,1999年,第1028-1032页。
[25] 王,Z。;Aihara,K.,IEICE翻译。芬丹。电子。Commun公司。计算。科学。,E85A,714(2002)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。