GAM模型稳定性分析及其在图像识别中的应用

多值指数关联联想记忆模型（MMECAM）是一种高存储容量的自联想记忆神经网络。在详细分析其优缺点的基础上，通过改进MMECAM模型的更新规则，首先提出一个新的高斯自联想记忆模型（GAM），然后通过定义简单的能量函数从理论上证明其在同、异步方式下的稳定性，从而保证所存储的模式能最终成为GAM的稳定点；其次，通过引入一般相似性测度进一步提出广义GAM模型（G-GAMs）框架，使得GAM模型成为其特例;最后，将GAM模型应用于单样本图像识别，计算机模拟证实了该模型的鲁棒性能。