基于约束优化的联想记忆模型学习算法

本文提出了一种对称互连神经元网络的学习策略,利用全局约束优化方法确定连接权。优化过程采用了梯度下降技术。这种学习算法可以保证训练样本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。本文讨论了网络的存储容量,训练样本的渐近稳定性和吸引域大小。计算机实验结果说明了学习算法的优越性。     

基于模式分量最优稳定性准则的联想记忆学习算法

提出了设计联想记忆神经网络的模式分量最优稳定性准则，即使得每个模式分量对于模式畸变都具有最大的联想容错性。     

模糊联想记忆的一种有效学习算法

本文提出最大－最小合成模糊联想记忆的一种新的学习算法，在一定条件下，这种学习算法能将多个模糊模式对可靠地编码到模糊联想记忆的连接权矩阵中，且已存储的模式对可被完整的回想出来。     

模糊双向联想记忆网络的有效学习算法

基于模糊取大运算和爱因斯坦S-模提出新的模糊双向联想记忆网络模型（Max—SesFBAM），并为该网络提出了一种新的学习算法。在理论上严格证明了，任意给定的模式对集，只要存在有连接权矩阵对使其为Max—SesFBAM的平衡态集，则依该学习算法所确定的连接权矩阵对（W^-，U^-）是所有这样的连接权矩阵对中的最大者；且该最大连接权矩阵对能使Max—SesFBAM对任意输入在一步内就进入平衡态。     

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 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,计算机模拟实验证有效性。     

基于联想记忆神经网络模型的BP算法

提出一种改进神经网络BP算法的识别训练系统。实验结果表明，基于联想记忆神经网络模型的BP算法，大大降低样本可变系统的网络训练次数。该系统有效降低样本可变系统的网络训练时间，为BP算法应用于对实时性要求高的场合提供算法基础。     

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。     

基于基因算法的模糊联想记忆设计方法

本文提出了一种用基因算法来进行模糊联想记忆系统设计的方法－基因ＦＡＭ法。同自适应模糊联想记忆和神经网络设计方法相比，该方法不要求有训练样本；而且可以设计出的ＦＡＭ系统最后，举例说明了该方法的应用。     

解无约束极大极小问题的非对称神经网络算法

本文构造了一种新的非对称神经网络模型，用于求解极大极小无约束优化问题，并证明了非对称线性神经网络和非线性神经网络是整体Ｌｙａｐｕｎｏｖ稳定的，且收敛于对应的Ｌａｇｒａｎｇｅ方程的稳定点，计算机模拟的结果表明此方法是可行的，且具有良好的整体收敛性。     

基于环形结构的联想记忆网络

本文针对ＢＡＭ和ＴＡＭ网络处理数据串联想时的困难和不足，提出了一种基于环形结构的联想记忆网络，称为环形联想记忆网络（ＣＡＭ），给出了网络的拓扑结构和网络的三种基本联想模式，讨论了存储网络连接权所需要的存储量，并与ＢＡＭ和ＴＡＭ联想记忆网络进行了比较，最后给出了实验研究的结果。     

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     

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.     

双向联想记忆神经网络的一种编码策略

本文提出一种双向联想记忆神经网络的按‘位’加权编码策略，并给出了求取权值递推算法，它将Ｋｏｓｋｏ双向联想记忆网络按海明距离进行模式匹配的原则，修正了按加权海明距离进行了模式匹配，从而可以使得对不满足加续性的所谓“病态结构”的一类样本模式集，同样具有良好的联想能力，对二值图象模式存贮，联想的计算机模拟实验表明，此方法具有优良的性能和实用价值。     

正则模糊联想记忆

本文提出了一种特殊的模糊联想记忆系统（ＦＡＭ）一正则数据联想记忆及其学习算法－正则学习算法，正则模糊联想记忆具有比一般方法所设计的模糊联想记忆更好的性能，且其性能受训练数据不足和训练数据噪声的影响很小，最后，举例说明了正则模糊联想记忆在模糊控制器的应用。