形态学联想记忆网络记忆性能的定性分析

形态学联想记忆网络基于其前向映射式的网络结构特点,不管有多少个模式对,都可以用一个存储矩阵来进行存储。记忆单个模式对时,该模式对的矩阵信息完全存储在存储矩阵中,所以可以从该模式对的输入模式正确联想出输出模式,但当网络记忆了多个模式对时,各个模式对之间的相互影响就不可避免地存在,在此对其记忆性能进行定性分析,以期对MAM的研究有所裨益。     

形态学联想记忆的研究综述*

通过提炼出来的一个形态学联想记忆的研究框架,可以很清晰地概括出形态学联想记忆的研究成果,从而可以很合理地归纳出形态学联想记忆仍存在的问题以及今后的发展方向。此形态学联想记忆的研究框架对形态学联想记忆的进一步研究具有一定的指导意义。     

形态学联想记忆网络的进展研究

20多年来,形态学联想记忆的研究得到了长足的发展。从形态学联想记忆的基本原理、研究新成果等方面对形态学联想记忆网络的进展进行了研究。期望对形态学联想记忆方面的研究带来裨益。     

形态学联想记忆存储性能的研究

形态学联想记忆（Morphological Associative Memories,MAM）的存储性能是衡量形态学联想记忆能力大小的重要指标。然而,迄今为止,对形态学联想记忆的存储性能,主要是对异联想形态学联想记忆（hetero-MAM）的存储性能的定量分析和定性刻画并未完成。这是一个悬而未决的理论问题,也是一个MAM应用的实际问题。针对这一问题开展研究,站在概率论的角度,提出一个MAM存储性能的概率模型,并进行了证明。通过定量分析和定性讨论,取得一致结论。研究和分析表明,hetero-MAM的存储性能受到输入模式向量维数n、输出模式向量维数m、以及输入、输出模式对数目K的影响,且三者的影响程度不同。提出的概率模型,对形态学联想记忆的研究、分析、设计和应用,具有一定的启发和帮助。     

一种新的形态学联想记忆网络模型研究

针对即使在输入模式无噪声,形态学联想记忆在用于异联想时仍不能保证完全回忆的问题,从扩大记忆矩阵的存储空间的角度入手,提出一种新的形态学联想记忆模型——三维存储矩阵的形态学联想记忆来刻画MAM(Morphological Associative Memories)的记忆性能。该模型能够弥补传统形态学联想记忆的记忆矩阵的不足,解决MAM在异联想时不能保证对模式对集实现完全回忆的问题。详细阐述了构建三维存储矩阵的原理与步骤,并通过实例验证三维存储矩阵的形态学联想记忆的记忆性能远远优于传统的形态学联想记忆。     

形态学联想记忆网络的研究进展

形态学联想记忆网络具有无限存储能力、一步回忆记忆、良好地抵抗腐蚀噪声或者膨胀噪声的噪声容限等许多优点.从形态学联想记忆的概念、基本原理、发展脉络、研究新成果,发展趋势和研究方向等多个方面综述了形态学联想记忆网络的研究进展.对形态学联想记忆方面的研究带来了一定的参考价值.     

对数-指数形态学联想记忆

利用对数和指数算子构建了一种新的形态学联想记忆方法,简称LEMAM.理论分析表明:自联想LEMAM(简称ALEMAM)具有无限存储能力、一步回忆记忆、一定的抵抗腐蚀噪声或膨胀噪声的能力,在输入完全或在一定的噪声范围内,能够保证完全回忆记忆;异联想LEMAM(简称HLEMAM)在输入完全情况下,不能保证完全回忆记忆,但当满足一定条件时,也能够达到完美联想记忆.对比实验结果表明:在一些情况下,LEMAM能够取得较好的联想记忆效果.总体来说,LEMAM丰富了形态学联想记忆的理论和实践,可以作为一种神经计算模型加以研究和利用.     

形态学联想记忆框架研究

形态学联想记忆(MAM)是一类极为新颖的人工神经网络.典型的MAM实例对象包括:实域MAM(RMAM)、复域MAM(CMAM)、双向MAM(MBAM)、模糊MAM(FMAM)、增强的FMAM(EFMAM)、模糊MBAM(FMBAM)等.它们虽有许多诱人的优点和特点,但有相同的形态学理论基础,本质上是相通的,将其统一在一个MAM框架中是可能的.同时,联想记忆统一框架的建立也是当前的研究重点和难点之一.为此作者构建了一个形态学联想记忆框架.文中首先分析MAM类的代数结构,奠定可靠的MAM框架计算基础;其次,分析MAM类的基本操作和共同特征,抽取它们的本质属性和方法,引入形态学联想记忆范式和算子;最后,提炼并证明主要的框架定理.该框架的意义在于:(1)从数学的角度将MAM对象统一在一起,从而能以更高的视角揭示它们的特性和本质;(2)有助于发现一些新的形态学联想记忆方法,从而解决更多的联想记忆、模式识别、模糊推理等问题.     

基于概率的MAM记忆性能模型

针对即使输入模式无噪声,形态学联想记忆在用于异联想时仍不能保证完全回忆的问题,借助概率学知识,提出一个概率模型来刻画形态学联想记忆网络的记忆性能。该概率模型能从整体上正确地反映网络的输入端维数、输出端维数以及模式对的数目对形态学联想记忆的记忆性能的影响趋势,对进一步研究与改进形态学联想记忆,有一定的指导意义。     

复形态联想记忆及其性能分析

在Ritter的实域形态联想记忆(real morphological associative memory,简称RMAM)模型的基础上,通过在复数域中序关系的引入构成复数格和环,导出了在复数域上与RMAM相一致的联想规则,构建了一类复域MAM(complex MAM,简称CMAM),从而将RMAM从实域推广至复域,使其可直接处理复信号(如经FFT(fast Fourier Transformation)变换所得数据).证明了该模型的收敛性,分析了其纠错能力和存储能力,并获得了与RMAM相一致的一系列定理和性质.此外,还比较了复形态网络和其他网络(如Hopfield神经网络)的异同.计算机仿真结果表明了CMAM的可行性.     

异联想记忆模型的优化学习算法

本文提出了一种异联想记忆模型的优化学习算法.首先,我们将反映神经元网络性能的标准转化为一个易于控制的代价函数,从而将权值的确定过程自然地转化为一个全局最优化过程.优化过程采用了梯度下降技术.这种学习算法可以保证每个训练模式成为系统的稳定吸引子,并且具有优化意义上的最大吸引域.在理论上,我们讨论了异联想记忆模型的存储能力,训练模式的渐近稳定性和吸引域的范围.计算机实验结果充分说明了算法的有效性.     

基于图像形态特征的复合绝缘子憎水性图像分割算法的研究

对憎水性图像在图像处理中的图像分割环节进行研究。在图像分割处理过程中,因绝缘子等级HC1与其他等级图像的形态特征的不同,导致在实际处理图像时,同一算法不能适用于所有等级的图像。将HC1等级的图像同HC2-HC7等级的图像分开处理,分别采用不同的形态学操作,再利用改进的遗传算法进行图像分割,最终得到准确的图像分割效果图。为复合绝缘子憎水性等级的准确判断提供条件。     

基于WEB挖掘的企业营运能力绩效评价模型的研究

企业的Web日志中蕴藏着丰富的信息.首先从企业绩效的角度出发,提出以企业营运能力的绩效评价为目标的Web被访信息的空间存储模型,模型中存储了访问时间序列、访问轨迹和评价指标等信息;然后将绩效评价体系的理论、基于Web的信息技术、数据挖掘技术集成,利用关联规则挖掘算法实现对因特网内的大范围Web日志的内容分析和主题挖掘,建立了基于Web挖掘的企业绩效方法.该模型为企业进行绩效评价提供了一种新思路.     

计算机数字控制系统性能评价研究

性能评价对ＣＮＣ系统具有重要意义。本文讨论了计算机性能评价在ＣＮＣ系统中的实现和应用，并结合具体的ＣＮＣ系统，对性能评价的目的、对象、指标、环境以及手段进行了详细论述。     

通信网专家系统效能评估技术的研究

专家系统效能评估是专家系统的一个重要组成部分,专家系统的应用已经非常广泛,但是对其效能评估技术的研究在我国才刚刚开始。本文在尊重MAU评估模型主要原则的基础上,结合通信网专家系统的具体内容,对其进行了适当的改进,使其更适合通信网专家系统的效能评估工作。     

Android应用性能数据采集探针研究

从社交到电商、旅游、医疗、教育、餐饮和出行,移动应用逐渐成为人们日常生活的一部分。移动应用开发商之间的竞争越来越激烈,移动应用想要提升用户体验和增加用户数,从人们真实使用的手机上采集性能数据、崩溃日志至关重要。针对通过修改源代码埋桩方式采集移动应用性能数据有诸多缺陷,提出使用面向切面编程对Android源代码进行预编译处理,能够在不需要手工修改代码的前提下自动插入性能数据采集探针代码。该方法已经在多个项目中实际使用,使用该方法处理过的Android应用能够远程上报符合要求的应用性能和用户使用习惯数据。证明该方法在实际使用中具有可行性,为Android应用性能数据采集提供了新的思路。     

遥控系统理想性能的实现和实验研究

本文对主从遥控系统理想性能的实现进行了理论分析和实验研究。对于位置／力控制的遥控机器人，理想性能就是要实现主从操作器的位置跟踪和力跟踪。文中首先通过分析得到了一组控制规律，利用这组控制规律就可以实现理想性能，而且这组控制规律由于引入了力微分信号而比较简单。接着以无源性为基础，对系统的稳定性进行了研究。最后通过实验可知在从操作器同环境有或无作用的情况下，主从遥控系统都可以实现理想性能。     

一种基于Word2Vec的训练效果优化策略研究

Word2Vec是谷歌在2013年开源的一款语言处理工具包,它能够在基于神经网络训练语言模型的同时将词表示成实数值向量,并根据向量空间余弦距离来寻找语义相似度高的词,训练效率较高。在应用Word2 Vec训练词向量的过程中,对其中可能影响Word2 Vec词向量训练的中文分词和算法选择环节进行试验,配合深入解析部分核心源代码,发现能使训练效果最优的策略,使得Word2Vec的性能获得一定的提升,为下一步的应用提供了更好的词向量。     

基于动态Cache策略优化Snort检测引擎性能研究

提出了一种动态Cache策略,将最近一段时间内经常用到的少量规则结点指针存储在一个Cache块中.当攻击密度上升到一定阈值时,在Snort检测引擎中动态加载Cache块,接下来捕获的每一个数据包都首先和Cache块中存储的指针所指向的规则结点进行匹配.当网络攻击密度降低到一定阈值时,在Snort检测引擎中动态卸载Cache块,避免攻击密度较低时二次匹配带来的额外开销.实验表明,动态Cache策略可以提高Snort检测引擎在高强度攻击下的检测效率,降低漏报率.