函数链式双向联想存储器

函数链式双向联想存储器陈松灿（南京航空航天大学计算机科学系南京２１００１６）ＢＩＤＩＲＥＣＴＩＯＮＡＬＡＳＳＯＣＩＡＴＩＶＥＭＥＭＯＲＹＷＩＴＨＦＵＮＣＴＩＯＮＡＬＬＩＮＫ￥ＣｈｅｎＳｏｎｇｃａｎ（ＤｅｐａｒｔｍｅｎｔｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃ...     

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．     

基于广义逆的指数型联想存储器模型

基于Ｋｏｈｏｎｅｎ的广义逆联想存储模型ＧＩＡＭ（ｇｅｎｅｒａｌｉｚｅｄｉｎｖｅｒｓｅａｓｏｃｉａｔｉｖｅｍｅｍｏｒｙ）和Ｍｕｒａｋａｍｉ的最小平方联想存储ＬＳＡＭ（ｌｅａｓｔｓｑｕａｒｅｓａｓｓｏｃｉａｔｉｖｅｍｅｍｏｒｙ）原理,本文提出了一个指数型联想存储器．该模型的存储性能经计算机模拟证实,远远优于ＧＩＡＭ和ＬＳＡＭ,通过适当地调节参数,几乎可达到完全的联想．对输入噪声方差,无需先验假设,同时还实现了一定程度的非线性映射特性.     

最小平方形态联想记忆模型的研究与实现

Ritter等人借助形态学理论提出了形态联想记忆模型（MAM Morphological Associatvie Memory)，其中所构建模型的两个权值矩阵和可分别用以回忆腐蚀和膨胀噪声模式，但不能回忆混合噪声模式，故本文提出了一个最小平方形态联想记忆模式（LSMAM least squares MAM)来克服MAM的不足，以达到既可分别识别腐蚀和膨胀噪声模式，也可以识别混合型噪声模式的目的，因此更适用于实际情形，实验结果表明了该方法的可行性。     

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。     

最小平方高阶联想存贮器*

本文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的的结果,计算机的模拟结果表明了这一点．     

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.     

基于线性约束最小平方方法的神经数据融合算法与实现

提出了一种基于线性约束最小平方（Linear Constrained Least Square)方法的神经数据融合算法,LCLS方法用来最小化线性融合信息的能量,而神经网络算法则用来处理出现于LCLS方法中的样本协方差短阵的不良条件和奇异性问题,此算法用软件和硬件都能实现,与已有的融合方法相比,文章提出的神经数据融合方法具有非偏倚的统计特性而且不需要关于噪声协方差的任何先验知识,将此方法应用于图像融合,结果显示这两种方法能增强输出结果的质量。     

判别最小平方有序回归

有序回归是特殊的机器学习范式,其目标是利用数据间内在的序标号以划分模式。尽管众多算法相继提出,但经典的最小平方回归( LSR)尚未应用于有序回归场景。为此,文中采用累积标号编码和间隔扩大策略,在LSR基础上提出判别最小平方有序回归( DLSOR)。 DLSOR在对回归函数无需施加约束的前提下,仅通过改造标号实现有序信息的嵌入和类间间隔的扩大,从而确保DLSOR在与LSR具有相当模型复杂度的同时,既保证较高的分类精度,又获得较低的平均绝对误差。实验验证DLSOR在提升有序回归性能上的优越性。     

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、Mu rakami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．     

一种基于LS-SVM构造FLANN的热电偶非线性校正方法*

提出一种基于最小二乘支持向量机(LS-SVM)构造函数链接型神经网络(FLANN)的方法,并根据正反馈原理将该FLANN应用於热电偶传感器非线性校正.讨论LS-SVM构造FLANN的基本原理和具体算法,给出了非线性补偿器的数学模型.与常规BP迭代算法构造的FLANN比较,该方法构造的FLANN补偿器具有如下优点:①利用LS-SVM将迭代逼近问题转化为直接求解多元线性方程,因此具有更快的速度;②整个训练过程中有且仅有一个全局极值点,确定了所构造FLANN补偿器的唯一性,提高了补偿精度.最后以Pt-Rh30-Pt-Rh6热电偶(B型)为例进行非线性校正实验,结果验证了上述结论.     

Chaos control and associative memory of a time-delay globally coupled neural network using symmetric map

A chaotic neural network called time-delay globally coupled neural network using symmetric map (TDSG) is proposed for information processing applications. Firstly, its rich dynamic behaviors are exhibited and the output stability is demonstrated by using a parameter modulated control method. Secondly, the associative memory of TDSG is investigated by the control method. It is observed that the stable output sequence only contains stored pattern and its reverse pattern and the TDSG finally converges to the stored pattern which has the smallest Hamming distance to the initial patterns with noise. At last, strong information recovery ability of the TDSG is illustrated by comparative experiments.     

神经网络方法求解Gabor展开系数

在离散序列的Ｇａｂｏｒ展式的统一框架下，对周期（或有限）的离散信号在特征抽样情况下的Ｇａｂｏｒ系数用神经网络进行求解，本文构造了神经网络模型，给出了两种实现算法，模拟实验结果说明该方法是有效的。     

动态核的形态联想记忆网络在灰度图中的应用

介绍了应用于灰度图像的联想记忆和识别的动态核方法,给出了动态核选择的原则和途径。利用动态核可以解决灰度图像在含有随机噪声时的自联想记忆和识别问题,从而给出了一种较好地处理含噪灰度图像恢复的途径。通过实验,验证了该方法的良好性能,取得了较理想的结果。     

一种基于LS-SVM构造FLANN的热电偶非线性校正方法*

提出一种基于最小二乘支持向量机（LS-SVM）构造函数链接型神经网络（FLANN）的方法,并根据正反馈原理将该FLANN应用於热电偶传感器非线性校正.讨论LS-SVM构造FLANN的基本原理和具体算法,给出了非线性补偿器的数学模型.与常规BP迭代算法构造的FLANN比较,该方法构造的FLANN补偿器具有如下优点：①利用LS-SVM将迭代逼近问题转化为直接求解多元线性方程,因此具有更快的速度;②整个训练过程中有且仅有一个全局极值点,确定了所构造FLANN补偿器的唯一性,提高了补偿精度.最后以Pt-Rh30-Pt-Rh6热电偶（B型）为例进行非线性校正实验,结果验证了上述结论.     

A Fast Heuristic Global Learning Algorithm for Multilayer Neural Networks

This paper presents a novel Heuristic Global Learning (HER-GBL) algorithm for multilayer neural networks. The algorithm is based upon the least squares method to maintain the fast convergence speed, and the penalized optimization to solve the problem of local minima. The penalty term, defined as a Gaussian-type function of the weight, is to provide an uphill force to escape from local minima. As a result, the training performance is dramatically improved. The proposed HER-GBL algorithm yields excellent results in terms of convergence speed, avoidance of local minima and quality of solution.     

带有稳定学习的递归神经网络动态偏最小二乘建模

针对目前非线性动态偏最小二乘(PLS)建模方法在拟合较强非线性化工过程时存在的问题, 提出一种基于稳定学习的递归神经网络动态PLS建模方法. 该算法将递归神经网络与Hammerstein模型相结合, 对外部PLS提取的特征向量进行内部建模, 具有逼近较强非线性化工过程的能力, 改善了模型的适用范围. 此外, 采用带有稳定学习的参数更新算法对模型参数进行在线修正, 改善了模型的预测精度和自适应能力. 将此方法应用于氧化铝生产过程铝酸钠溶液组分浓度建模实验, 仿真结果表明, 本方法是可行有效的.