论文部分内容阅读
该文提出了多证据推理中采用神经网络来模拟信念组合学习的方法.网络由多个具有不同权值的指数双向联想记忆模型构成,并且这些网络共享一个输出来同时进行多证据不确定性的雇语文下明了在不加权和加权条件下,分别基于指数联想记忆模型(eBAM)、修正的指数联想记忆模型(MeBAM)、改进的指数联想记忆模型(IeBAM)的二值多重双向模型要成的称定性,讨论了在多条证据同时提交网张后的多数规则,即当各个网络 出结果不一致时,网络的最终输出结果是由支持率最高的那个输出结果决定.该文还建立了多值多重加权改进型指数双向联想记忆模型,并给出其稳定性证明.理论和实验都证明了指数双向联想记忆模型具有良好的存储能力和纠错性能.从而可保证有受一定程度的干扰下,专家们仍能做出正确决策.