《神经网络导论》实验二-双向联想记忆 (1).docx
- 文档编号:116253
- 上传时间:2022-10-03
- 格式:DOCX
- 页数:6
- 大小:22.06KB
《神经网络导论》实验二-双向联想记忆 (1).docx
《《神经网络导论》实验二-双向联想记忆 (1).docx》由会员分享,可在线阅读,更多相关《《神经网络导论》实验二-双向联想记忆 (1).docx(6页珍藏版)》请在冰豆网上搜索。
实验2双向联想记忆
一、实验目的
熟悉Kosko型双向联想记忆网络的原理与结构,通过仿真实验掌握具体的实现方法,了解该网络的功能及性能,加深对该类网络的稳定状态和能量函数等概念的理解。
二、实验原理
联想记忆功能分为自联想和异联想,异联想也称为双向联想记忆,简写为BAM。
BAM存储器可存储两组矢量,若有如下N维矢量A和P维矢量B:
A=[a0,a1,⋯aN-1]T∈{-1,1}N
B=[b0,b1,⋯bP-1]T∈{-1,1}P
构成M对矢量As,Bs,s=0,1,⋯,M-1,给定A可经联想得到对应的标准样本B,当有噪声或残缺时,联想功能可使样本对复原。
如图1所示,与矢量A相应的一层有N个节点,另一层对应矢量B,有P个节点,两层间双向连接。
假定B到A的传输为正向,正向的权矩阵为W。
如果输入矢量由上层加入,且相应于网络中B的稳定状态,则经W之作用产生A稳定状态。
当任意矢量输入时,网络要经若干次次迭代计算演变至稳态,过程可示意为:
WBt→At+1
WTAt+1→Bt+2
WBt+2→At+3
⋯
直至A、B为稳态,演变过程结束。
网络学习遵从Hebb规则,若给定M个双极性矢量对:
A0,B0,A1,B1,⋯,(AM-1,BM-1)
则正,反向权矩阵为:
W=s=0M-1As,BsT
WT=s=0M-1Bs,AsT
如果BAM网络神经元函数值为0,则称为齐次BAM网络,其能量函数为:
EA,B=-12ATWB-12BTWTA=-ATWB
三、实验内容及步骤
2、连接权值W=
422-20-20-240
200-420202-2
200020-2-422
-2-4002020-2-2
0222-4-20200
-2000-2024-2-2
02-2202-4-204
-20-4024-20-22
422-20-20-240
0-22-20-2420-4
0-2220-20-200
-2-4002020-2-2
2400-20-2022
02-2-2020200
02-2202-4-204
稳定状态能量值:
E=-158-142-158-146
3、验证网络的联想能力
对B2采用W进行迭代直到稳定求得的A‘2与原A2相同。
对A3采用W进行迭代直到稳定求得的B‘3与原B3相同。
4、验证网络抗噪能力
取A1畸变度为3,观察10次输出,显示能量
correct:
1andenergy:
-82-158
correct:
1andenergy:
-90-158
correct:
0andenergy:
-98-146
correct:
1andenergy:
-90-158
correct:
1andenergy:
-106-158
correct:
1andenergy:
-98-158
correct:
1andenergy:
-98-158
correct:
1andenergy:
-98-158
correct:
1andenergy:
-98-158-158-158
correct:
1andenergy:
-98-158
5、噪声大小对联想能力的影响
分别对A取反1到3位数各验证300次:
thedegreeofaccuracyfromA1toA4:
1bit2bits3bits
1.00000.97330.8400
1.00000.95670.8067
0.91000.76000.5633
1.00000.88330.5767
分别对B取反1到3位数验证100次:
thedegreeofaccuracyfromB1toB4:
1bit2bits3bits
1.00000.70000.3200
0.82000.72000.3500
0.94000.55000.1600
0.76000.64000.1600
四、实验思考题
1、在实验步骤4中观察网络能量E是如何变化的?
根据网络机理说明原因。
从步骤4中可以看出,网络能量E随迭代的次数而减小。
这是因为双向联想网络是Hopfield网络的一种,网络总是朝着能量函数E减小的方向运动,且达到稳态时,E取极小值。
2、如果我们想要“擦除”存储矢量中的某对(Ai,Bi),应如何调整网络?
双向联想记忆网络特性主要体现在权值W上,如果想要“擦除”存储矢量中的某对(Ai,Bi),取:
W'=W-Ai∙BiT
3、通过总结第5步和第6步的实验结果,得出什么结论?
简要解释其中的原因。
随着矢量位取反的位数增多,噪声增大,网络联想正确率剧烈下降,说明网络恢复的记忆力是有限的。
这种二进制的存储映射是一对一的,容差性差。
五、实验结论
对于Kosko型其次双向联想记忆网络:
1随着时间的推移,网络在状态空间中总是朝着能量函数减小的方向移动,当网络达到稳定时,能量取得极小值。
2随着网络噪声的增大,网络联想正确率下降,同时说明网络恢复的记忆力是有限的。
六、MATLAB源程序
clear;clc
disp('实验步骤2显示连接权矩阵及能量值');
A=[A1A2A3A4];B=[B1B2B3B4];W=zeros(15,10);
fors=1:
4
W=W+A(:
s)*B(:
s)';
end
W
E=zeros(4,1);
%E=diag(-A'*W*B);
fors=1:
4
E(s)=-A(:
s)'*W*B(:
s);
end
E
clearEs
disp('实验步骤3验证网络联想能力')
disp('1chooseB2totest')
B2_fo=B2;
B2_la=1;A2_fo=2;A2_la=3;
while~isequal(A2_fo,A2_la)||~isequal(B2_fo,B2_la)
A2_fo=hardlims(W*B2_fo);
B2_la=hardlims(W'*A2_fo);
A2_la=hardlims(W*B2_la);
B2_fo=hardlims(W'*A2_la);
end
disp('correctornot:
')
disp(isequal(A2,A2_la)&&isequal(B2,B2_la))
clearB2_foB2_laA2_foA2_la
disp('2chooseA3totest')
A3_fo=A3;
A3_la=1;B3_fo=2;B3_la=3;
while~(isequal(A3_fo,A3_la)&&isequal(B3_fo,B3_la))
B3_fo=hardlims(W'*A3_fo);
A3_la=hardlims(W*B3_fo);
B3_la=hardlims(W'*A3_la);
A3_fo=hardlims(W*B3_la);
end
disp('correctornot:
')
disp(isequal(A3,A3_la)&&isequal(B3,B3_la))
clearB3_foB3_laA3_foA3_la
disp('实验步骤4验证网络的抗噪能力')
disp('取A1畸变度为3,观察10次输出,显示能量')
forqbx=1:
10
A1_zs=A1.*(1-2*randerr(1,15,3)');
A1_fo=A1_zs;Ezs=[];
A1_la=1;B1_fo=2;B1_la=3;
while~(isequal(A1_fo,A1_la)&&isequal(B1_fo,B1_la))
B1_fo=hardlims(W'*A1_fo);
ezs=-A1_fo'*W*B1_fo;Ezs=[Ezs,ezs];
A1_la=hardlims(W*B1_fo);
B1_la=hardlims(W'*A1_la);
ezs=-A1_la'*W*B1_la;Ezs=[Ezs,ezs];
A1_fo=hardlims(W*B1_la);
end
state3=isequal(A1,A1_la)&&isequal(B1,B1_la);
disp([strcat('correct:
',num2str(state3),'andenergy:
'),num2str(Ezs)]);
end
clearB1_foB1_laA1_foA1_lastate3ezsEzsA1_zs
disp('实验步骤5噪声大小对联想能力的影响')
disp('分别对A取反1到3位数各验证300次')
times=[300300300];%循环次数向量
forqbx123=1:
3%取反1到3位数%分别取出times各项
state4=0;%验证正确与否的状态矩阵,用0和1表示
forqbxa=1:
4%分别取出A的每一列,即A1到A4进行操作
forqbx=1:
times(qbx123)%循环次数
A_zs=A(:
qbxa).*(1-2*randerr(1,15,qbx123)');%随机位取反
A_fo=A_zs;%输入矢量Ai
A_la=3;B_fo=1;B_la=2;%声明迭代过程矢量
while~(isequal(A_fo,A_la)&&isequal(B_fo,B_la))%Ai和Bi迭代后状态稳定了吗
B_fo=hardlims(W'*A_fo);
A_la=hardlims(W*B_fo);
B_la=hardlims(W'*A_la);
A_fo
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 神经网络导论 神经网络导论实验二-双向联想记忆 1 神经网络 导论 实验 双向 联想 记忆