容量约束的自组织增量联想记忆模型

来源：计算机科学与探索杂志2016年第1期北京时间：

作者：孙桃，谢振平，王士同，刘渊

单位：江南大学 数字媒体学院，江苏 无锡 214122

摘要：自组织联想记忆神经网络因其并行、容错及自我学习等优点而得到广泛应用，但现有主流模型在增量学习较大规模样本时，网络节点数可能无限增长，从而给实际应用带来不可承受的内存及计算开销。针对该问题，提出了一种容量约束的自组织增量联想记忆模型。以网络节点数为先决控制参数，结合设计新的节点间自竞争学习策略，新模型可满足大规模样本的增量式学习需求，并能以较低的计算容量取得较高的联想记忆性能。理论分析表明了新模型的正确性与有效性，实验分析同时显示了新模型可有效控制计算容量，提升增量样本学习效率，并获得较高的联想记忆性能，从而能更好地满足现实应用需求。

关键词：联想记忆,容量约束,增量学习,自组织,神经网络