雙向聯想記憶之正交性輿應用

Abstract

由於類神經網路模型具有平行化計算，分散式處理以及高度容錯能力的特性，所以類 神經網路模型已成功地應用在許多的研究領域，如圖型識別，語言辨識等，以類神經 網路模型來模擬人類聯想記意(Human Associative memory)是最適合不過的。 本論文研究重點在於分離式雙向聯想記意(Discrete Bidirectional Associative Me mory ,BAM)之正交性(Orthogonality) 與應用, 利用虛擬反矩陣(Pseudoinverse),Gr am-Schmidt正交化程序來求真輸出正交化程序來求真輸出與雙向聯想記意之輸出的平 均誤差的極小值，并可籍此提高雙向聯想記意或Hopfield類神經網路的容量(Capacit y), 最後將雙向聯想記意的正交性應用到地震波資料的辨識與偵測, 亦可得到很好的 結果。 另外嘗試以類神經網路模式來趨近屬於NP的組合最佳化問題，建構一套類似(Hopfiel d)的類神經網路模式與該問題對應之能量函數(energy Function) ，籍每次改變神經 元(Neuron)狀態必定降低其對應的能量的特性在一短暫且合理的時間內找到一趨近解 甚至最佳解。例如部分集合的和的問題(sum of Subset Problem) 以及平分集合的問 題(Partition Problem) ，接著，實驗結果證明了這套時間級數(Order) 為三次的方 法是一套相當完美的方法。