动态核的αβ联想记忆网络及抗随机噪声研究

应用αβ联想记忆网络,加入动态核的方法,得到了一种新的联想记忆网络,它不仅解决了灰度图、彩图寻找动态核难的问题,而且也使得αβ联想记忆网络能够很好地处理含随机噪声的图像,包括二值图、灰度图和彩色图像.并成功地解决了图像在含有随机噪声时的联想记忆问题,从而给出了一种较好地处理含噪图像的途径.通过实验,验证了该方法的良好性能,取得了较理想的结果.     

双向模糊形态联想记忆网络及其抗随机噪声的研究

在文献[1]提出的模糊形态联想记忆网络FMAM的基础上,提出了一种新型的模糊形态学双向联想记忆网络FMBAM,证明了FMBAM的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,也表明了FMBAM具有优越的抗腐蚀或膨胀噪声的能力.但是,通常的噪声是随机的,为此,本文提出了动态核的方法,从而较好地提高了FMBAM对随机噪声的抗噪能力.仿真实验验证了利用动态核的双向联想记忆网络FMBAM,在加入较大的随机噪声的情况下,仍能保证完全记忆在一步之内完成.     

模糊形态联想记忆网络抗随机噪声研究及应用

利用灰度图像分解的思想,结合模糊形态联想记忆网络的方法,提高了模糊形态联想记忆网络对随机噪声的抗噪能力。成功地解决了灰度图像在含有随机噪声时的模糊联想记忆问题,并把该方法推广到对彩色图像的处理,从而给出了一种较好地恢复含噪灰度图像和彩色图像的途径。通过实验,验证了该方法的良好性能,取得了较理想的结果。     

利用动态核的形态联想记忆网络的研究

在文献[1]的基础上,提出了一个基于动态核的形态联想记忆网络方法,特点是同一幅图像,如果其所含的噪声情况不同,则其核也将不同,从而较好地解决了图像含有随机噪声时的联想记忆问题。实验证明,此方法具有良好的性能,双向联想记忆的准确率优于文献[1]中介绍的方法。     

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.     

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。     

多模式对模糊联想记忆网络的动态学习算法

Kosk。在结合模糊系统与神经网络的基础上提出的最大最小联想记忆网络DJ是二层前馈网络,为了提高其记亿性能,已经提出了一些改进的算法。其     

基于形态分解运算的地形图要素自动提取与识别

针对地形图识别中的要素自动分割问题，提出了基于形态分解运算的提取算法．本算法根据形态特征的不同将地图要素进行结构分解，然后运用腐蚀、膨胀、改进的RLS变换等算子对相同特征的结构进行分类综合，最后依据要素特征组合的整体分析实现了地图上各要素的提取．同以往的算法相比，本算法运算简单，且能更好的解决地图要素的重叠及粘连问题．此算法已编程实现，实验证明效果比较理想。     

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。     

Distributed associative memory for use in scene analysis

A distributed associative memory system which is ideal for scene analysis is described. Recall of associated patterns using incomplete originals is made possible by the use of a distributed storage mechanism and a novel recall procedure. The memory is shown to store associations between patterns more efficiently than a conventional file store. The paper describes the memory structure, the recall process and its storage abilities, as well as an example of its implementation in hardware.     

Pattern storage and associative memory in quasi-neural networks

Theoretical estimates and experimental data are given for the binary-pattern storage capacity of a quasi-neural network with threshold logic units. The theory confirms results obtained by Hopfield in 1982 for patterns with 50% density of active elements.     

基于模式关联的一对多联想记忆方法

在现有的多模块一对多联想记忆模型中,由于所处理的记忆模式集合本身的特点以及记忆模式之间的关联被忽视,使得构造出来的模型结构复杂,难以实际应用.针对这一不足,提出一种基于模式关联的实现方法.以该方法构造出的多模块一对多联想记忆模型结构简单,易于硬件实现,使得多模块一对多联想记忆模型具有了实际应用的可能.     

带参数聚合算子的模糊联想记忆网络

基于最大运算Max和t--范数T的神经网络模型Max-T FAM是B.Kosko提出的经典模糊联想记忆(FAM)网络的一种重要的广义形式,其性能有多处不足.本文利用一种参数化聚合算子∨λ,提出了一种计算简单、易于硬件实现的广义模糊联想记忆(GFAM)网络,其连接算子从{∨λ|λ∈[0,1]}中选取;从理论上严格证明了GFAM具有一致连续性,比所有Max-T FAM的映射能力和存储能力强很多;接着运用模糊关系方程理论提出和分析了GFAM的一种所谓的Max-Min-λ学习算法;最后用实验对GFAM和Max-T FAM的完整可靠存储能力进行了比较,并示例了GFAM在图像联想方面的应用.     

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。     

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.     

基于Lukasiewicz t-模的模糊双向联想记忆网络的有效学习算法

利用t-模的伴随蕴涵算子,为基于Max和TL合成的模糊双向联想记忆网络Max-TLFBAM提供了一种新的学习算法,此处TL是Lukasiewicz t-模算子。从理论上严格证明了,只要存在有连接权矩阵对使得任意给定的模式对集成为Max-TLFBAM的平衡态集,则依该学习算法所确定的连接权矩阵对是所有这样的连接权矩阵对中的最大者。并用实验验证该学习算法的有效性。