|本期目录/Table of Contents|

[1]隗兵,戴文战.基于克隆选择算法的Hopfield网络容量提升方法[J].浙江理工大学学报,2015,33-34(自科3):390-393.
　WEI Bing,DAI Wen zhan.Improvement of Hopfield Network Capacity Based on Clonal Selection Algorithm[J].Journal of Zhejiang Sci-Tech University,2015,33-34(自科3):390-393.
点击复制

基于克隆选择算法的Hopfield网络容量提升方法()
分享到：

浙江理工大学学报[ISSN:1673-3851/CN:33-1338/TS]

卷:
第33-34卷
期数:
2015年自科3期
页码:
390-393
栏目:
(自科)机械与自动控制
出版日期:
2015-05-10

文章信息/Info

Title:
Improvement of Hopfield Network Capacity Based on Clonal Selection Algorithm
文章编号:
1673-3851 (2015) 03-0390-04
作者:
隗兵;  戴文战
1. 浙江理工大学机械与自动控制学院, 杭州 310018; 2. 浙江工商大学信息与电子工程学院, 杭州 310018
Author(s):
WEI Bing;  DAI Wenzhan
1. Faculty of Mechanical Engineering & Automation, Zhejiang Sci-Tech University, Hangzhou 310018, China;2. School of information and electronic engineering, Zhejiang Gongshang University, Hangzhou 310018, China
关键词:
Hopfield网络;  克隆选择算法;  记忆容量
分类号:
TP183
文献标志码:
A
摘要:
Hopfield网络容量大小对网络模式识别正确率有重要影响。为进一步提升Hopfield的网络容量,提出了一种基于克隆选择算法优化Hopfield网络容量的方法。首先将克隆选择算法引入到Hopfield网络中,以Hopfield网络的初始输入作为克隆选择算法中的抗原;然后随机产生权值矩阵作为克隆选择算法的初始抗体;最后依据克隆选择算法对初始抗体进行克隆、交叉、变异,根据亲和力的大小选择出网络的优化权值,以提升Hopfield网络容量。将上述方法应用于含噪声的样本识别,实验结果表明:与传统的Hopfield网络相比,所提出的方法能有效地提升Hopfield网络的容量。为提高Hopfield神经网络的记忆容量提供了一种新的思路。

参考文献/References:

［1］ Hopfield  J J. Neurons with graded response have collective computational properties like those of two sate neurons［J］. Proc Nat Acad Sci USA. 1984, 81(8): 3088-3092.
［2］ Mcmliece  R J, Rodemich, Eugene R, et al. The  capacity of the Hopfield associative memory［J］. IEEE Transactions on Information Theory, 1987, 33(4): 461-483.
［3］ Lee D L, Chuang T C. Designing asymmetric Hopfieldtype associative memory with higher order hamming stability［J］. IEEE Transactions on Neural Networks, 2005, 6(16): 1464-1476.
［4］ Wu Y, Hu J Q, Wu W, et al. Storage capacity of the Hopfield network associative memory［C］// 2012 5th International Conference on Intelligent Computation Technology and Automation, IEEE. 2012: 330-336.
［5］ Schwenker F, Sommer F, Palm G. Iterative retrieval of sparsely coded associtive memory pattern［J］. Neural Networks. 1996, 9(3): 445-455.
［6］ Ma J W. The asymptotic memory capacity of the generalized Hopfield network［J］. Neural Networks, 1999, 12(9): 1207-1212.
［7］ 姜惠兰, 孙雅明. 异联想记忆Hopfield神经网络的模型、算法及性能［J］. 系统工程理论与实践. 2005, 25(5): 101-107.
［8］ Singh T P, Jabin S, Singh M. Evolving weight matrices to increase the capacity of Hopfield neural network associative memory using hybrid evolutionary algorithm.［C］//Computational Intelligence and Computing Research, IEEE. 2010: 1-5.
［9］ Anton C, Ionescu L, Mazare A, et al. Errors correction with optimised Hopfield neural networks［C］// Telecommunications Forum, IEEE. 2013: 393-396.
［10］ Salavati A H, Raj Kumar K, Shokrollahi K, et al. Neural precoding increases the pattern retrieval capacity of Hopfield and Bidirectional associative memories［C］//2011 IEEE International Symposium Information Theory Proceedings. IEEE. 2011: 850-854.
［11］ 刘云龙, 林宝军. 一种人工免疫算法优化的的高有效性模糊聚类图像分割［J］. 控制与决策, 2010, 25(11): 1679-1683.

备注/Memo

备注/Memo:
收稿日期： 2014-06-25
基金项目： 国家自然科学基金项目(61374022)
作者简介： 隗兵(1990-),男,安徽寿县人,硕士研究生,主要从事神经网络方面的研究
通信作者： 戴文战,E-mail:dwz@zjgsu.edu.cn
更新日期/Last Update: 2015-05-11