利用最大似然準則的雙向聯想網絡研究

摘要：針對現有雙向聯想網絡(BAM)存在的存儲容量小、抗干擾能力弱的缺點，提出了一種利用最大似然準則的BAM網絡(MLBAM)及其訓練算法。MLBAM網絡采用雙向網絡結構建立了神經元的發放以及抑制模型，充分利用似然函數的特性以及網絡的雙向聯想特性，很好地完成了自聯想和異聯想功能，并且準確計算出關聯樣本對之間的關聯度，使MLBAM網絡在隨機環境中具有很強的抗噪能力。利用最速下降算法，給出了MLBAM網絡的訓練算法，根據訓練權重的Hessian矩陣負定，判定算法能夠獲得全局最優解，從而證明了算法的收斂性。該訓練算法能夠訓練出最優的連接權重和神經元閥值。通過2個典型實驗驗證了MLBAM網絡的抗噪能力和聯想能力，在存在1位隨機噪聲的情況下，該網絡的聯想正確率達到了100％。

關鍵詞：雙向聯想；最大似然準則；自聯想；異聯想

中圖分類號：TP183 文獻標志碼：A 文章編號：0253—987X(2008)08—0963—04