离散型 Hopfield 联想存储器k阶吸引子的鲁棒性分析

为对离散型Ｈｏｐｆｉｅｌｄ联想存储器（以下简称为ＤＨＡＭ）平衡点吸引域的鲁棒性进行理论探索,文章基于输入及权值实现误差或扰动同时作用的随机模型,采用统计学方法,推出了ＤＨＡＭ的ｋ阶吸引子（ｋ≥０）鲁棒性的通用计算方法。并针对正交样本经Ｈｅｂｂ规则构成的ＤＨＡＭ,进一步得到了该类网络ｋ阶吸引子鲁棒性的具体计算公式。仿真试验表明所得算法是正确的。讨论了这类ＤＨＡＭ结构及参数等对其ｋ阶吸引子鲁棒性的影响。     

多层前馈神经网络的误差特性分析

为分析人工神经网络（ＡＮＮ）的品质或性能对权值扰动及输入误差的容忍特性,文章基于输入及权值的随机模型,采用统计学的方法,得到了由ｓｉｇｍｏｉｄ型神经元构成的任意多层前馈神经网络在任意大小且具有任意相关性的输入误差与／或权值扰动下,输出误差特性的通用算法。仿真及对比理论计算结果表明了所提算法是正确的。