自联想记忆神经元网络的设计

设计一种多层反馈神经元网络，它用于自联想记忆时，具有很多优点，如记忆样本均为稳定状态；吸引半径达到最大值，无伪稳定状态以及全局稳定性等。     

自联想记忆神经网络研究

自联想记忆神经网络能模拟人脑思维和机器智能,具有信息分布式存储和内容可寻址访问的重要特征,是人工神经网络研究的一个重要分支.介绍了开创自联想记忆神经网络研究先河的Hopfield联想记忆神经网络模型,分析了该模型的优缺点;然后在系统分析现有自联想记忆神经网络相关研究文献的基础上,从学习算法、体系结构和应用领域三个方面对自联想记忆神经网络的研究进展进行了归纳阐述;总结了自联想记忆神经网络目前存在的主要问题,并且预测了其未来的发展趋势.     

一种新的双向联想记忆神经网络学习算法

文章提出了一种基于遗传算法的按“位”加权双向联想记忆神经网络（ＢＡＭ）的学习算法。根据判定ＢＡＭ网络稳定模式和容错能力的充分条件,推出了求取按位加权ＢＡＭ加权系数的优化目标函数,之后作者给出了求解此目标函数的遗传算法,二值图象模式存储、联想记忆的计算机实验结果表明,文中所提出的方法能有效地提高网络的存储能力和容错能力。     

一种新的双向联想记忆的学习算法

提出了一种新的用于双向联想记忆的学习算法，该算法利用了输入向量各元素之间的关联信息，在联想的过程中，动态地调整权值矩阵，增强了网络适应能力，利用了更多的已知信息，从而提高了网络的性能．     

一种混沌神经网络和动态联想记忆

混饨现象是非线性确定性系统中的一种内在随机过程的表现,普遍存在于自然界及人类让会中~[1]表征这种运动的基本特征量是李雅普诺夫指数(Lyspunov exponent)。当前,入们巳经确认在人类     

一种新型双向联想记忆神经网络

提出了一种新型双向联想记忆神经网络,此网络将两个相互关联的模式以模式对的形式存储在由N个连接构成的模式环中,记忆容量为22N数量级,完全消除了假模式对、能够全部或部分地回忆出与输入模式对具有最小Hamming距的被记忆的模式对,同时具有较高的记忆效率和可靠性。连接由“连接状态”和“禁止路径”组成,前者直接存储二进制模式对向量的分量,后者用于消除假模式;此神经网络具有正向联想、逆向联想和自联想方式,使得网络能更灵活有效地满足不同的回忆要求。     

基于非线性嵌入的自联想神经网络

传统分类器常依赖于低维度子空间的特征进行分类,但仅在单个子空间下进行分类会因为不同类别的重叠而效果不佳。为此,提出一种基于流形学习的神经网络分类方法,利用非线性嵌入方法获得数据每个类的子空间,再使用非线性嵌入判别准则优化各个径向基函数自联想神经网络的参数。实验结果表明,该方法能有效解决类别重叠问题,分类准确率和鲁棒性高于传统分类方法。     

一种新的双向联想记忆神经网络学习算法

文章提出了一种基于遗传算法的按`位'加权双向联想记忆神经网络(BAM)的学习算法.根据判定BAM网络稳定模式和容错能力的充分条件,推出了求取按位加权BAM加权系数的优化目标函数,之后作者给出了求解此目标函数的遗传算法.二值图象模式存储、联想记忆的计算机实验结果表明,文中所提出的方法能有效地提高网络的存储能力和容错能力.     

一种以环路作为存储单元的联想记忆神经网络

文章提出了一种新型联想记忆神经网络,每个模式被存储在一个通过网络中所有神经元的环路中,连接包括逻辑状态和一组神经元编号,网络中处理和传递的信号为神经元编号组成的序列,神经元执行一组处理这种序列的符号和逻辑运算;网络记忆容量为2N-2N、完全消除了假模式、同时具有更高的记忆效率和可靠性。     

非线性系统多输入单输出神经网络模型的收敛特性

对非线性系统神经网络模型的收敛特性进行了分析,给出了适宜的训练参数和训练方法,进而对乙烯裂解炉反应过程建立了神经网络模型。     

基于约束区域的连续时间联想记忆神经网络

传统的联想记忆神经网络模型是根据联想记忆点设计权值。文中提出一种根据联想记忆点设计基于约束区域的神经网络模型,它保证了渐近稳定的平衡点集与样要点集相同,不渐近稳定的平衡点恰为实际的拒识状态,并且吸引域分布合理。它具有学习和遗忘能力,还具有记忆容量大和电路可实现优点,是理想的联想记忆器。     

神经网络计算机系统模型与结构初探

在阐明神经网络计算机（ＮＮＣ）信息处理机理的基础上，给出ＮＮＣ系统的两个功能模型。然后根据神经计算部件与传统数字处理部件在系统中的地位与相互关系的不同，将ＮＮＣ系统划分成三类结构，并阐述其特点。     

智能神经网络程序设计语言NIPL

将符号逻辑融合于神经网络之中,给出了智能神经网络程序设计语言ＮＩＰＬ的详细定义及其实现技术,使神经网络理论与传统人工智能理论的结合成为可能。     

一种基于CMAC的自学习控制器

现有的基于CMAC的自学习控制器能够有效地减小跟踪误差,但是在跟踪连续变化信号如正弦波时,由于累积误差的影响会产生过学习现象,进而导致系统的不稳定.为此,提出一种新的基于CMAC的自学习控制器,它以系统的动态误差作为CMAC的激励信号,从而避免了累积误差的影响.仿真结果表明,该控制器不仅是有效的,而且具有很强的鲁棒性.此外,它可以使用较高的学习速率,实时性强.     

一类具有多维存储结构的CMAC神经网络

对于多输入 CMAC神经网络 ,概念映射决定了网络泛化特性 .从而直接影响到网络学习速度和网络的逼近精度 .本文在对多输入 CMAC网络进行深入分析的基础上 ,指出了概念映射的重要性及现有映射算法存在的不足 ;巧妙地将网络存储器由原来的一维改为多维从而得到了一类新型的多输入 CMAC神经网络 ,同时给出了新型网络的概念映射算法并分析论证了算法的合理性、严密性 .计算机仿真结果验证了所提出新型网络及其概念映射算法的有效性     

神经传递通路的神经网络建模

建立与生物神经系统相像的人工神经网络是设计具有智能的人工制品的有潜力的研究方法.建立神经网络传递通路简化模型,并应用神经网络建模.模型由4个回路构成动态延迟网络,包括丘脑回路、大脑皮质回路、基底核回路和小脑回路.仿真测试表明:网络易于数学实现,并具有良好的函数逼近能力和泛化能力.网络可用于自治系统和自治产品.＃     

具有时滞的双向联想记忆神经网络的定性分析

文中通过经入一个关键性条件研究了具有时滞的双向联想记忆神经的定性性质。这一关键性条件关联了网络双向的联结权系数。在这一条件下,证明了网络存在唯一的平衡态,并且这一平衡态是全局指数稳定的。当网络的外部输入具有周期性时,利用上述条件证明了网络存在全局平稳振荡。     

通用并行神经网络模拟系统GP^2N^2S^2

本文提出的基于Transputer阵列的通用并行神经网络模拟系统（GP^2N^2S^2）提供了高级神经网络描述语言及其编辑和编译器以及友善的执行环境，可将用户以串行方式编写的程序由系统自动地并行执行，能模拟现有的各种神经网络模型和用户自己开发的新模型。     

模糊神经网络在条形码识别中的应用

本文把模糊集合论的知识应用于自组织神经网络,提出一个模糊神经网络算法。新算法克服了一般神经网络方法共同面临的学习时间长、对网络参数敏感的弱点,广泛适用于一般的模式识别问题。对条形码识别问题的应用情况表明,新算法无论在网络学习的速度上还是在识别结果上都优于Ｋｏｈｏｎｅｎ的自组织神经网络方法。