一种基于稀疏指数联想记忆神经网络的图像识别方法

区别于一般的图像识别方法，指数联想记忆模型（eam）是一种对数据分布无任何要求的非线性技术，具有指数级的存储容量和良好的容噪性能。随着实际的需求和被处理问题规模的扩大，eam所采用的全互连结构将导致布线工艺上的困难而难以克服，限制了模型的vlsi（超大规模集成电路）硬件实现。通过在eam中引入社会领域中广泛存在的“六度分离”现象，借鉴watts和strogatz提出的“小世界网络”理论对eam进行了稀疏化改造。改造后的稀疏指数联想记忆模型（seam）不仅结构相对简单、易于硬件实现，而且仿真结果表明在灰度图像加噪和部分缺失的情况下，seam识别性能和全互连的eam相当，表现出了较强的鲁棒性。