振荡神经网络的建模与动态联想记忆

本文提出一种全程耦合映射格子式的振荡神经网络模型，该模型具有丰富的非线性动力学行为，在其联想记忆的数值模拟中，观察到同步振荡和时空混沌现象。该网络的动态特性有助于区分具有相同吸引子的不同模式。     

一种用于联想识别的全光型多值神经网络系统的设计

本文提出一种用于联想识别的全光型多值神经网络系统。该系统利用透镜阵列实现二维图像的傅里叶全息存贮，利用掺铈钛酸钡晶体的互泵浦位相共轭特性构成网络反馈与光能补充。利用该系统可实现二维图像的人工联想识别。     

On the Design of Nonlinear Neural Networks for Associative Memories

ＯｎｔｈｅＤｅｓｉｇｎｏｆＮｏｎｌｉｎｅａｒＮｅｕｒａｌＮｅｔｗｏｒｋｓｆｏｒＡｓｏｃｉａｔｉｖｅＭｅｍｏｒｉｅｓＸｕＳｈｕｎｄｏｕ（ＤｅｐａｒｔｍｅｎｔｏｆＢａｓｉｃＣｏｕｒｓｅｓ，ＳｈｉｊｉａｚｈｕａｎｇＰｏｓｔａｌＣｏｌｅｇｅ，Ｓｈｉｊｉａｚｈ...     

分形细胞神经网络用于联想记忆

本文提出了分形细胞神经网络，并成功地应用于联想记忆，从模拟结果看，分形细胞神经网络的联想记忆能力好于Ｂａｒａｍ提出的分形神经网络。     

光学模糊联想神经网络

本文提出一种模糊联想神经网络的非相干光学实现系统。利用空间区域编码技术和阴影投射系统，模糊联想存贮器所需的矩阵－矢量最大－最大合成运算可得到光学实现。给出了实验结果。     

多重加权改进型指数双向联想记忆网络及其决策性能

C C Wang等作者利用指数双向联想记忆模型(eBAM),构造了由多个eBAM构成的多重eBAM(Multi-eBAM)信念组合模型,使之可模拟多个专家的投票表决决策,并获得了Multi-eBAM在各eBAM具有同等权威度条件下的决策性能.本文在此基础上,通过对各eBAM引入不同的权值来模拟各专家不同的权威度,推广了Multi-eBAM.进一步借助陈所提出的改进型eBAM(IeBAM),构建了相应的多重加权改进型eBAM(Multi-WIeBAM)信念组合模型,获得了此推理模型在同、异步方式下的决策性能及多专家不同权威度下的多数投票因子,使之更符合实际的多数表决决策.理论分析表明Multi-WIeBAM所获得的多数投票因子优于Multi-WeBAM的多数投票因子,即前者较后者具有更紧致的下界.实验结果也表明了Multi-WIeBAM的性能要优于Multi-WeBAM.     

最大--乘积型模糊联想记忆网络的最大最小编码学习算法

提出了最大─乘积型模糊联想记忆网络的最大最小编码学习算法,新算法可以记忆任意多个自联想模式。对于异联想模式,给出了一种以最大最小编码算法为基础,近似求解网络连接权阵的梯度下降学习算法,这种方法可用于解最大乘积型模糊关系方程。计算机模拟实验证实了算法的有效性。     

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。     

综合联想记忆神经网络的外积取等准则

本文提出了一个新的联想记忆设计准则，即外积取等准则，它具有外积和准则的所有优点。由外积取等准则设计出的联想记忆网络能够存储任意给定的训练模式，即对于训练模式的数目和它们之间相关性的强弱没有限制。外积取等准则可用来定量地评价记忆模式向量各分量对于记忆模式分类或识别的重要性。由外积取等准则设计出的网络的连接权值只取１、０或－１，因而网络易于光学实现。计算机实验结果充分说明了外积取等准则的有效性。     

Associative Memory for Image Recovery with a High‐Performance Memristor Array

Associative memory is one of the significant characteristics of the biological brain. However, it has yet to be realized in a large memristor array due to the high requirements on the memristor device. In this work, the multilevel memristor cell is optimized by employing an electro‐thermal modulation layer. Memristor devices show both high resistance, cell‐to‐cell uniformity, and multilevel resistive switching behaviors with good reliability. A Hopfield neural network is experimentally demonstrated on a 1k memristor array that is capable of realizing the associative memory function for emotion image recovery. By using both asynchronous and synchronous refresh schemes, complete emotion images can be recalled from partial information.     

双向联想记忆中的互余编码问题

互余编码及连续性要求对双向联想记忆的容量及回忆有着很大影响，Ｓｉｍｐｓｏｎ，Ｊｅｎｇｅｔ．ａｌ．提出了各自的解决方法（ＩＢＡＭ，ＭＩＢＡＭ），他们的方案的实质就是增加层内神经元间的连接，本文首先证明了ＩＢＡＭ没能解决互余编码问题，借助计算机模拟发现ＭＩＢＡＭ容量也非常有限，且只是在一定程度上能克服互余编码，通过对ＭＩＢＡＭ引入高阶，我们提出了ＨＯＭＩＢＡＭ，它能有效地解决前述两问题，从而有着较大的容量与较好的回忆性能     

具有混合时滞的随机神经网络的无源性分析

针对一类具有混合时滞的随机神经网络,研究其无源性分析问题.假设神经网络的离散状态时滞是不确定的,看成一个标称值受时变扰动;神经网络的分布式状态时滞是定常的.通过构造适当的离散化Lyapunov-Krasovskii泛函,并结合自由权矩阵方法,以线性矩阵不等式的形式给出了保证具有混合时滞的随机神经网络无源的时滞依赖充分条件.     

基于耦合的混沌神经网络建模方法

混沌状态下神经网络行为的研究是神经网络理论的一个新内容，由于它可能揭示脑活动的深层机制而广受重视，但是混沌网络信息处理能力进行大量和深入研究却遇到许多障碍，其问题之一是难以为网络系统选择适当的非线性参数。本文提出一种建立混沌神经网络模型的简单耦合方法，解决了选择参数的困难，计算机模拟结果表明，用该模型研究混沌状态下网络动态行为是有效的。     

离散Hopfield神经网络和联想记忆的开关电流技术实现

研究了离散Ｈｏｐｆｉｅｌｄ神经网络（ＤＨＮＮ）和联想记忆神经网络的开关电流技术实现，利用多权输入跨导，开关电流延迟器（ＳＩＤ）和可编程电流比较器（ＰＣＣ）实现了离散Ｈｏｐｉｅｌｄ神经网络，并提出了利用离散Ｈｏｐｆｉｅｌｄ神经网络实现自联想记忆时相应的开关电流电路，所提出了开关电流神经网络适宜于超大规模集成，能在低电压（如３．３Ｖ）下工作。     

Analog VLSI Implementation of Artificial Neural Networks with Supervised On-Chip Learning

Analog VLSI on-chip learning Neural Networks represent a mature technology for a large number of applications involving industrial as well as consumer appliances. This is particularly the case when low power consumption, small size and/or very high speed are required. This approach exploits the computational features of Neural Networks, the implementation efficiency of analog VLSI circuits and the adaptation capabilities of the on-chip learning feedback schema.Many experimental chips and microelectronic implementations have been reported in the literature based on the research carried out over the last few years by several research groups. The author presents and discusses the motivations, the system and circuit issues, the design methodology as well as the limitations of this kind of approach. Attention is focused on supervised learning algorithms because of their reliability and popularity within the neural network research community. In particular, the Back Propagation and Weight Perturbation learning algorithms are introduced and reviewed with respect to their analog VLSI implementation.Finally, the author also reviews and compares the main results reported in the literature, highlighting the efficiency and the reliability of the on-chip implementation of these algorithms.     

一种4k位串行铁电不挥发存储器的VLSI实现

文章提出了一个基于VLSI的4k位串行铁电不挥发存储器的实现方案。该电路采用2T－2C的存储单元设计,针对铁电电容的读出和写入的电流电压特性设计了相应的读写时序,给出了状态机的描述和相应的电路实现。该电路与通用的E^2PROM 24C04在接口、电学特性上完全兼容,可以在24C04的电路应用中直接代替之。     

Properties and Stability of Max-Product Fuzzy Bi-Directional Associative Memory

In this paper, a fuzzy operator of max-product is defined at first, and the fuzzy bi-directional associative memory (FBAM) based on the fuzzy operator of max-product is given. Then the properties and the Lyapunov stability of equilibriums of the networks are studied.     

扩展交替投影神经网络 ——具备联想记忆功能的充分必要条件

对交替投影神经网络(APNN)的连接权矩阵进行修改,将其应用范围从实数域拓展到复数域,从而得到一种新的神经网络——扩展交替投影神经网络(Extended Alternating Projection Neural Networks).对EAPNN网络进行深入研究后,给出了网络稳态值的通用数学表达式,并从表达式中推出了网络具备联想记忆功能的充分必要条件.最后设计仿真实验对文中的理论分析结果进行了验证.