粒计算模糊增殖神经场的研究与分析

针对现有人工神经网络学习新知识会破坏已获得知识的问题,根据生物智能扩展的思想,提出一种粒计算模糊增殖神经场学习方法,将粒计算商空间理论和人工神经场理论有机结合,并引入自治神经网络中,采用分治方法和嵌入机理,把大任务分成小任务,实现知识积累、继承和不断完善。实验结果证明了该方法的合理性和可行性。     

人工神经网络知识增殖性分析

人工神经网络的知识增殖能力是该领域的热点和难点问题,具有重要的理论和实践意义．对人工神经网络的知识增殖性问题进行了较深入的探讨,从网络推广能力的角度分析了具有知识增殖能力的神经网络系统的结构设计问题,指出将多个网络个体结合在一起是实现人工神经网络增殖学习的重要方法,网络的自治能力在此具有重要的意义．利用具有自治能力的神经网络构建的网络群体中,网络个体无需改变而整体具有增殖学习能力,实验结果表明了该方案的可行性．     

神经网络的层次化学习机制探讨

研究人工神经网络的信息处理机制是模拟人脑功能要解决的一个重要问题,在信息几何框架下,该机制可以通过研究信息系统的几何结构来讨论.本文提出了一种简化的模拟人类思维层次的层次化神经系统模型,并利用基于信息几何的神经场学习理论解释了不同层次的神经系统通过前馈和反馈连接进行动态交互作用的逼近学习机制,进而从整体宏观的角度对人脑学习机理以及概念形成给出了一个数学上的描述.     

融合语言学知识的神经机器翻译研究进展

尽管神经机器翻译已经成为目前机器翻译研究应用中的主流方法与范式,然而同时也存在译文流利但不够忠实、罕见词处理困难、低资源语言表现不佳、跨领域适应性差、先验知识利用率低等问题.受统计机器翻译研究启发,在神经机器翻译模型中融入语言学信息,利用已有的语言学知识,缓解神经机器翻译面临的固有困境,提升翻译质量,成为神经机器翻译研...     

修剪算法的信息几何分析

修剪法是确定和优化神经网络结构的重要方法之一．当前对修剪法的研究大多集中在方法描述上，对于修剪法内在机理的研究尚不多见，而研究修剪的内在机理可以为修剪策略提供理论基础和依据．从信息几何的角度研究了修剪法的内在机理，给出了神经网络结构修剪法的信息几何理论解释，利用神经流形参数结构的层次性，将修剪法表述为一系列从当前模型流形到其子流形的信息投影过程，在此基础上提出了新的修剪算法，并给出了算法可行性与有效性的实验验证．     

一款基于运输机场飞行训练保障系统的分析与研究

飞行训练工作是为民航发展提供飞行人才,但在面对空域资源日趋紧张情况下,飞行训练工作压力日益增大,安全保障需要提高,以减轻管制和飞行指挥人员的工作负荷并有效提升工作效益.飞行训练保障系统研制的目的是针对运输机场和通用航空的特点,提出研制信息集成交换共享系统,保障航班和飞行训练安全.     

基于神经索引实例与知识推理的混合型智能CAPP策略

提出了一种新的基于耦合神经网络实例与知识的混合推理策略,采用面向对象的方法表达实例和知识,将神经索引模型引入实例推理中,在此基础上实现了ＣＡＰＰ的变异设计。同时,建立了基于零件及其工艺数据知识的分层知识表达与层次式推理机制,从而实现了ＣＡＰＰ的创成式设计。在给出这种知识化的ＣＡＰＰ系统的总体结构之后,详细讨论了基于神经网络的实例索引模型及实例推理和知识基推理的实现过程,由于吸收了派生法的类比设计思     

神经网络与神经计算机的基本原理和应用

神经网络是当前世界高科技竞争的一个热点。基于大规模并行处理原理,模仿脑神经信息活动特征而构造出来的神经计算机,在联想记忆、自组织、自学习、自适应和随机活动能力等方面,具有传统冯·诺依曼计算机无法比拟的优越性,因而将在图象处理、语言处理、模式识别、组合优化以及各种实时自适应系统中获得广泛的应用。本文将以二期连载的方式,较为详细地介绍神经网络与神经计算机的基本原理,国内外的发展现况和趋势,具有代表性的 Hopfield 互联式神经网络和层次式的 B-P 网络,以及它们的应用等。本期是第一篇,重点介绍神经网络的基本原理和发展概况。     

WBITS中基于神经规则的知识表示与管理

针对当前智能教学系统存在的不足,设计了一个基于WEB的智能教学系统模型。详细介绍了该系统中引入的基于神经规则的知识表示方法并简要说明了推理过程。最后,详细给出了知识获取与知识更新算法,解决了智能教学系统中知识库维护难的问题。     

基于可微神经计算机和贝叶斯网络的知识推理方法

针对人工神经网络(ANN)对面向知识图谱(KG)的知识推理的记忆能力有限以及KG无法处理不确定知识的问题,提出一种可微神经计算机(DNC)和贝叶斯网络(BN)相结合的推理方法DNC-BN.首先,将长短时记忆(LSTM)网络作为控制器,在每个时刻对输入向量和从记忆体获取的读向量进行处理,得到网络输出向量和交互向量;其次,...     

Analyzing Global Dynamics of a Neural Field Model

We study global dynamics of the neural field, or a neural network model that represents densely distributed cortical neurons as a spatially continuous field. By analyzing the Lyapunov functional for the neural field with finite and infinite domains, we show that the state in the finite field necessarily converges to a steady solution and that the infinite field cannot have a limit cycle attractor. We also show that the Lyapunov functional of the neural field model can be considered to be a natural extension of the Lyapunov function of the Hopfield model to the continuous field. The result suggests that the two neural systems have, generally, common global dynamics characterized by the intimately related Lyapunov functional/function.     

基于域理论的自适应谐振神经网络研究

提出了一种基于域理论的自适应谐振神经网络算法 FTART,有机结合了自适应谐振理论和域理论的优势 ,以一种独特的方式解决了示例间冲突和分类区域的动态扩展 ,不仅不需要手工设置隐层神经元 ,可以还获得了较快的训练速度和较高的预测精度 .同时还提出了一种可以从训练好的 FTART网络中抽取可理解性好、精度高的符号规则的方法 ,即基于统计的产生测试法 .实验结果表明 ,用该方法抽取的符号规则可以较好地描述FTART的功能.     

数据挖掘和知识获取技术在野战信息系统中的应用研究

将数据挖掘与知识发现应用到野战信息系统是当前所面临的新课题,阐述了这两项技术在野战信息 系统中的应用及未来发展的方向,提出了其未来发展的六个方面。     

The Architecture and Performance of a Stochastic Competitive Evolutionary Neural Tree Network

A new dynamic tree structured network—the Stochastic Competitive Evolutionary Neural Tree (SCENT) is introduced. The network is able to provide a hierarchical classification of unlabelled data sets. The main advantage that SCENT offers over other hierarchical competitive networks is its ability to self-determine the number and structure of the competitive nodes in the network without the need for externally set parameters. The network produces stable classificatory structures by halting its growth using locally calculated, stochastically controlled, heuristics. The performance of the network is analysed by comparing its results with that of a good non-hierarchical clusterer, and with three other hierarchical clusterers and its non stochastic predecessor. SCENT's classificatory capabilities are demonstrated by its ability to produce a representative hierarchical structure to classify a broad range of data sets.     

智能管理决策门户体系结构研究

智能管理决策门户是一种将企业信息门户与商业智能技术集成在一起的新型解决方案。通过引入两级知识库、知识预生成、知识替换这三种机制,它能够满足用户对数据实时的、多样化的、动态的共享及交换的要求,而传统的商业智能技术则满足了将数据转化为知识,进而为企业服务的要求。     

智能管理决策门户体系结构研究

智能管理决策门户是一种将企业信息门户与商业智能技术集成在一起的新型解决方案。通过引入两级知识库、知识预生成、知识替换这三种机制，它能够满足用户对数据实时的、多样化的、动态的共享及交换的要求，而传统的商业智能技术则满足了将数据转化为期识．进而为企业服务的要求。     

基于微分几何的无轴承电机神经SMVS解耦控制

以无轴承永磁薄片电机为研究对象,阐述了其径向力悬浮机理,推导了径向悬浮力数学模型.采用非线性微分几何的方法研究了无轴承永磁薄片电机在负载运行时径向悬浮力之间的解耦控制问题,实现电机径向悬浮力与悬浮力绕组中电流之间的解耦控制.将原耦合系统解耦和基本线性化成独立的伪线性系统,并对解耦后的伪线性子系统设计了神经滑模变结构控制...