学位论文 > 优秀研究生学位论文题录展示
高速(HS-K-WTA)神经网络模型
作 者: 朱红
导 师: 刘国岁
学 校: 南京理工大学
专 业: 通信与电子系统
关键词: HS-K-WTA HS-K-WTA-2 神经网络 神经网络模型 竞争算法 高速算法 排序算法
分类号: TP183
类 型: 博士论文
年 份: 2003年
下 载: 165次
引 用: 2次
阅 读: 论文下载
内容摘要
在一个数据集合中选择1个最大值(或最小值)WTA网络,又称“胜者为王”网络,是自组织竞争人工神经网络的基本组成单元,也是竞争学习的关键部件。 本文提出了一种可以高速实现的K-Winers-Take-All网络模型(HS-K-WTA),该网络模型可以在一个数据集合中选择K个最大值(或最小值)。本文在数据集为平均分布的假设下对算法的复杂性进行了详尽的理论分析。证明算法的收敛速度比Winstron算法要快得多。 基于Winstron和HS-K-WTA的思路,本文进一步提出了速度更快且算法的复杂性与HS-K-WTA相当的HS-K-WTA-2网络模型。同样分析了数据序列在平均分布下的算法复杂性。证明了HS-K-WTA-2算法的收敛速度要比HS-K-WTA及Winstron算法快得多。 论文证明了HS-K-WTA及HS-K-WTA-2的有关性质。对HS-K-WTA及HS-K-WTA-2的算法分析结果进行了详尽的讨论。并用平均分布、标准正态分布、负指数分布(λ=10,1,0.1)、标准gamma分布和泊松分布(λ=5,10,100)的随机数数集,在不同N和K(1~20)的情况下,对HS-K-WTA和HS-K-WTA-2算法进行仿真,对仿真结果在不同分布的条件下分别与Winstron算法进行了比较,均可以验证其收敛速度明显优于Winstron算法。 论文还提出了HS-K-WTA及HS-K-WTA-2阵列结构的硬件实现。该硬件模型具有结构简单,易于实现等优点。HS-K-WTA及HS-K-WTA-2阵列结构的硬件实现复杂性在平均分布假设下与相应算法实现的复杂性相同。HS-K-WTA及HS-K-WTA-2的硬件实现比Winstron和K-Winners-Take-All的硬件实现要快得多。HS-K-WTA-2的硬件实现比HS-K-WTA稍复杂。但HS-K-WTA-2的速度要比HS-K-WTA快一倍。用HS-K-WTA模型实现排序算法比传统快速算法更快。
|
全文目录
摘要 5-6 ABSTRACT 6-8 目录 8-10 1 绪论 10-14 1.1 问题的提出 10-11 1.2 发展及研究概况 11-12 1.3 本文研究构造概述 12 1.4 本文的内容安排 12-14 2 WTA网络的性质及其分类 14-29 2.1 WTA网络的定义 14-15 2.2 WTA网络的性质 15 2.3 WTA网络的分类 15-29 2.3.1 基于MOS管特性的WTA网络 15-19 2.3.2 基于动力学模型的WTA网络 19-20 2.3.3 基于差分方程表达的WTA模型 20-25 2.3.4 WINSTRAN网络模型 25-29 3 HS-K-WTA的研究 29-55 3.1 引言 29 3.2 HS-K-WTA模型 29-32 3.3 HS-K-WTA的有关性质 32-34 3.4 HS-K-WTA算法复杂性分析 34-39 3.5 HS-K-WTA网络对数据多种分布数据序列的仿真结果 39-55 3.5.1 平均分布数集下的仿真结果及其分析 39-44 3.5.2 正态分布数集下的仿真结果及其分析 44-47 3.5.3 指数分布数集下的仿真结果及其分析 47-50 3.5.4 gamma分布数集下的仿真结果及其分析 50-53 3.5.5 泊松分布数集下的仿真结果及其分析 53-55 4 HS-K-WTA-2的研究 55-65 4.1 引言 55 4.2 HS-K-WTA-2模型 55-57 4.3 HS-K-WTA-2的有关性质 57-58 4.4 HS-K-WTA-2算法复杂性分析结果 58 4.5 仿真结果 58-64 4.6 结论 64-65 5 HS-K-WTA的阵列实现 65-75 5.1 引言 65 5.2 HS-K-WTA的阵列实现 65-69 5.3 HS-K-WTA-2的阵列实现 69-74 5.4 结论 74-75 6 用HS-K-WTA模型实现排序 75-80 6.1 引言 75 6.2 用HS-K-WTA模型实现排序 75-76 6.3 Byte-快速排序算法 76-77 6.4 Byte-快速排序算法正确性证明 77 6.5 Byte-快速排序算法实现步骤 77-78 6.6 结论 78-80 结论 80-83 致谢 83-84 参考文献 84-92 附录 92
|
相似论文
- 天然气脱酸性气体过程中物性研究及数据处理,TE644
- 压气机优化平台建立与跨音速压气机气动优化设计,TH45
- 调频式电容位移传感器高速测频与非线性校正技术研究,TH822
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 红外超光谱图像的虚拟探测器研究,TP391.41
- 模糊控制、神经网络在平面二级倒立摆中的应用,TP273.4
- 基于神经网络的水厂投药预测控制研究,TP273.1
- 视觉伺服四自由度机械臂的研究,TP242.6
- 机械臂视觉伺服系统的研究,TP242.6
- 压电驱动微工作台的控制与校正技术研究,TP273
- 某武器检测装置的控制系统设计,TP183
- 市级旅游用地规划环境影响评价研究,X820.3
- 珠三角地区高性能混凝土配合比智能化系统,TU528
- 大学生综合素质测评研究,G645.5
- 不具备全局Lipschitz条件的时滞细胞神经网络的反周期解研究,TP183
- 基于并行算法的模糊综合评价模型的设计与应用,TP18
- 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
- 基于神经网络辨识的同步发电机励磁控制研究,TM31
- 基于BP神经网络的水稻干燥智能控制研究,S226.6
- 基于遗传算法优化的BP网络对生物柴油制备工艺的优化,TE667
- 海上平台消防系统研究,U698.4
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论 > 人工神经网络与计算
© 2012 www.xueweilunwen.com
|