• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Neural Networks and Learning Systems, IEEE Transactions on >Complex-Valued Recurrent Correlation Neural Networks
【24h】

Complex-Valued Recurrent Correlation Neural Networks

机译：复值递归相关神经网络

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper, we generalize the bipolar recurrent correlation neural networks (RCNNs) of Chiueh and Goodman for patterns whose components are in the complex unit circle. The novel networks, referred to as complex-valued RCNNs (CV-RCNNs), are characterized by a possible nonlinear function, which is applied on the real part of the scalar product of the current state and the original patterns. We show that the CV-RCNNs always converge to a stationary state. Thus, they have potential application as associative memories. In this context, we provide sufficient conditions for the retrieval of a memorized vector. Furthermore, computational experiments concerning the reconstruction of corrupted grayscale images reveal that certain CV-RCNNs exhibit an excellent noise tolerance.
机译：在本文中，我们推广了Chiueh和Goodman的双极递归相关神经网络（RCNN），其成分位于复杂单位圆中。这种新颖的网络称为复值RCNN（CV-RCNN），其特征在于可能的非线性函数，该函数应用于当前状态和原始模式的标量积的实部。我们证明了CV-RCNNs总是收敛到平稳状态。因此，它们具有作为关联存储器的潜在应用。在这种情况下，我们为检索存储的向量提供了充分的条件。此外，有关重建损坏的灰度图像的计算实验表明，某些CV-RCNN具有出色的噪声耐受性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号