最小平方函数链式联想存储器

本文借助于输入的函数扩展思想，将其引入到一般类型的联想存储器模型，通过噪声输入模式来优化所提出的模型，推广了一类联想存储器模型，实验结果表明最小平方函数链式联想存储器（ＦＬＡＭ）比之ＫＯＨＯＮＥＮ模型、ＭＵＲＡＫＡＭＩ模型在性能上优越．     

联想存储器技术评述

本文对目前日益受到人们关注的联想存储器的机理、体系结构和发展前景进行综合性的评述。指出它在新技术发展中所处的地位和作用。     

约束最小平方联想存储器及性能比较

鉴于Ｋｏｈｏｎｅｎ的最佳联想存储器对带噪输入会产生难以接受的联想误差，文中试图通过在Ｋｏｈｏｎｅｎ模型中引入对连接权阵的某种约束并进而优化，使修改后的Ｋｏｈｏｎｅｎ模型（ＣＬＳＡＭ）对带噪输入具有最小误差的联想．借助奇异值分解（ＳＶＤ）理论的分析和计算机模拟证实了ＣＬＳＡＭ的性能优越性．     

一个改进的指数双向联想存储器及性能分析

通过分析Wang的修正指数双向联想存储器(MeBAM),本文提出了一个新的指数式双向联想存储器.该存储器不仅保持了MeBAM的优点,如放宽了Kosko对BAM的连续性假定的限制,排除了BAM的补码问题,同时还大大改善了现有BAM的存储性能和纠错能力.通过定义一个随状态变化而减少的能量函数严格证明了改进的eBAM(IeBAM)在同步与异步方式下的稳定,从而保证了所有要存的模式对成为其稳定点.此外,借助信噪比分析方法给出了IeBAM和MeBAM的信噪比估计.理论分析和计算机模拟结果证实了IeBAM的性能确实优于MeBAM和eBAM.     

具非线性映射特性的广义逆联想存储器

本文针对基于Ｍｏｏｒｅ－Ｐｅｎｒｏｓｅ广义逆实现的联想存储模型（如Ｋｏｈｏｎｅｎ模型、Ｍｕｒａｋａｍｉ模型）缺乏对已存数据完全的联想回忆能力和非线性映射能力，通过在这些模型中引入一个扩展层（隐节点层）使原模型人具有对已存数据的完全回忆能力和一定的非线性映射能力，通过矩阵的奇异值分解，从理论上阐明了改进模型的性能优越性，模拟结果证实了这一点。     

双向联想可行条件研究

以人脑为代表的生物高级智能的一个重要特征,就是处理模糊信息的能力。人们常常从部分的非精确信息,回忆起全部的确切信息来。双向联想可以模仿人脑的模糊联想的功能。文中采用模糊矩阵合成的运算方法对双向联想的可行条件进行了探讨,推导出了单模式的充要条件,提出了解决多模式双向联想可行条件的方法。采用模糊极小极大合成运算的方法进行联想运算时,对于单模式的情况,可以得到简单有效的判断依据;但对于两个甚至于多个的情况,只能推导出一些必要条件:如模式对(A,B)的同行的最大元素必须相等。     

双向联想可行条件研究

以人脑为代表的生物高级智能的一个重要特征，就是处理模糊信息的能力。人们常常从部分的非精确信息，回忆起全部的确切信息来。双向联想可以模仿人脑的模糊联想的功能。文中采用模糊矩阵合成的运算方法对双向联想的可行条件进行了探讨，推导出了单模式的充要条件，提出了解决多模式双向联想可行条件的方法。采用模糊极小极大合成运算的方法进行联想运算时，对于单模式的情况，可以得到简单有效的判断依据；但对于两个甚至于多个的情况，只能推导出一些必要条件：如模式对（A，B）的同行的最大元素必须相等。     

双向联想记忆学习与回忆的研究

本文对双向联想记忆(BAM)的学习与回忆过程进行了详细的分析。在学习过程中,先是运用自适应非对称BAM算法进行学习,进而采用设置印象门限的反复记忆算法进行学习,本文从理论上证明了印象门限与样本吸引域之间的关系,指出反复记忆方法的理论依据。回忆过程中,采用非零阈值函数的运行方程,提出了阈值学习方法,并且从理论上证明了非零阈值函数的运行方程的采用,可进一步扩大吸引域。为了进一步扩大网络的信息存储量,本文引入了并联的BAM结构。本文方法的采纳,使得BAM网络的信息存储量、误差校正能力等得到很大程度的提高。     

最小平方高阶联想存贮器

本提出了一个新的高阶联想记忆模型。该模型采用噪声模式优化联想功能，使得对于噪声输入模式在均方误差的意义下同样达到最优的联想效果和存贮性能，推广了Ｃｈｅｎ的结果，计算机的模拟结果表明这一点。     

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。     

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．     

内连式复值双向联想记忆模型及性能分析

Lee的复域多值双向联想记忆模型(complex domain bidirectional associative memory,简称CDBAM)不仅将Kosko的实域BAM(bidirectional associative memory)推广至复域,而且推广至多值情形,以利于多值模式(如灰级图像等)间的联想.在此基础上,提出了一个新的推广模型:复域内连式多值双向联想记忆模型(intraconnected CDBAM,简称ICDBAM),通过定义的能量函数证明了它在同步与异步更新方式下的稳定性,从而保证所有训练样本对成为其稳定点,克服了CDBAM所存在的补码问题.计算机模拟证明了该模型比CDBAM具有更高的存储容量和更好的纠错性能.     

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。     

神经元网络在故障诊断中的双向联想记忆法

本文介绍了神经元网络用于控制系统故障诊断的双向联想记忆法.该方法是根据神经元网络的特点和功能以及控制系统故障诊断的要求而提出.文中首先介绍了双向联想记忆的模型和算法,然后给出一个简单的应用例子.     

存储器的函数变换功能及其应用

阐述了存储器函数变换的基本原理,给出了函数变换精度及存储器容量的计算方法,并介绍了几种典型应用.     

模糊形态双向联想记忆网络的研究

提出了一种新型的模糊形态双向联想记忆网络FMBAM,证明了FMBAM在双向联想中能够保证记忆在一步之内完成,因此不存在收敛问题,并实现完全双向正确联想,且可模糊性解释,同时表明了FMBAM具有优越的抗腐蚀或膨胀噪声的能力,仿真实验验证了双向联想FMBAM具有良好的性能。     

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.     

改进的指数双向联想记忆模型在数据压缩中的应用

改进的指数双向联想记忆模型（Ｉmproved exponential bidirectional associative memory molel,IeBAM)是在eBAM的基础上通过引入内连接项而产生的一个比eBAM具有更高存储容量,纠错性的联想神网络,借助于ＩeBAM的高存储容量和良好的纠错性能及有序直方,要实现一种更高效率的数据压缩方法,从而为现有的数据压缩方法提供一种新算法,最后,计算机模拟证实了使用ＩeBAM的数据压缩性能比使用eBAM的更好。     

不确定双向联想记忆神经网络的稳定性分析

对双向联想记忆神经网络研究了平衡点的鲁棒稳定性.该网络的参数不确定,并且有时变时滞.当神经网络的激励函数满足Lipschitz连续性条件时,通过选取合适的Lyapunov-Krasovskii函数,建立了两个全局鲁棒稳定判据.由于这些判据考虑了神经元激励作用和抑制作用对网络的影响,他们和时变时滞的数值无关,并且易于使用内点算法进行检验.在注释中和已有的结果进行了对比.两个数值例子展示了所得结果的有效性.     

二层非耦合汉明联想存储器的分析及实现

二层非耦合汉明联想存储器是一种新型的联想存储器.它既具有基本汉明联想存储器容量大,容错性好的优点,同时又克服了基本汉明联想存储器回收慢,硬件难以实现的缺点.整个二层非耦合汉明联想存储器的硬件实现是基于FPGA的设计.它的非耦合结构使得硬件得以实现,并提高了执行效率,本文就上述讨论进行了分析,并给出了具体实现.