一种改进的双向联想存储器

本文作者对联想存储器进行了深入研究，提出了一种自适应强化学习算法，以改进双向联想存储器的学习。计算机软件仿真结果表明，这种改进后的双向联想存储器具有存储样本稳定、联想回忆的迭代速度快等优点，历而它是一种新型的双向联想存储器。     

一种神经网络自适应控制算法及其改进

Brandt和Lin提出了一种没有反馈网络的自适应神经网络控制器。由于这种算法结构简单,很适合于用硬件来实现,具有相当的使用价值。但是,经过仿真表明,这种自适应神经网络控制器在被控对象的阶数比较高时会产生不稳定现象,这就限制了其应用范围。通过在Brandt-Lin算法中引入一个死区非线性环节,使得神经网络当控制误差小于一定范围时停止学习,从而在一定程度上克服了不稳定现象。经过改进后的控制算法可以使其应用范围进一步扩大。     

一种混合模糊联想记忆网络

改进了文「１」提出的最大最小联想记忆网络的模糊Ｈｅｂｂ关系编码规则,给出了一种新的学习算法,新算法克服了文「１」算法的缺陷,在一定条件下,本文的学习算法能将模式对完整地联想出来,另外,本文在分析网络的容错性及稳定性的基础上,提出了一种五层混合模糊联想记忆网络,五层混合网络具有良好的联想容错能力,大量的实验结果表明,本文的学习算法及混合网络是有效的。     

基于Hopfield模型和联想存储器的结构分析

运用连续型Ｈｏｐｆｉｌｅｄ网络以及连续双向联想存储器（ＢＡＭ）详述结构分析的两种新方法。新的方法是建立在比较上述两种方法的能量函数与结构位移法的能量函数（也就是所谓的刚度矩阵法）的关系基础上的,并且利用了人工神经网络所具备且优于经典数值方法的计算特点。几个相关结构分析的例子说明了以ＢＡＭ为基础的神经网络优于其他传统的数值方法及Ｈｏｐｆｉｅｌｄ模型。     

基于Hopfield模型和联想存储器的结构分析

运用连续型Ｈｏｐｆｉｌｅｄ网络以及连续双向联想存储器祥述结构分析的两种新方法。新的方法是建立在比较上述两种方法的能量函数与结构位移法的能量函数的关系基础上的,并且利用了人工神经网络所具备且优于经典数值方法的计算特点。     

多粒度多对多联想记忆的一种实现模型

现有的多模块多对多联想记忆模型结构复杂,不能够实现多粒度联想。在一对多联想模型基础上,加入项编码逻辑运算网络和粒度控制网络,提出了一种基于模式关联的多模块多对多联想记忆神经网络模型。实例表明,该模型可以实现模式的多对多联想记忆,且能够对输出模式进行粒度控制。从而实现了多粒度多对多联想记忆。     

模糊双向联想记忆性质的讨论及模型推广

在文献［１］的基础上,给出了确定ＦＢＡＭ平衡态的方法,由此得到有关平衡态的３个性质,并证明了ＦＢＡＭ的平衡态是一致稳定的;利用Ｓ及Ｔ算子的合成函数和学习算法,得到了适用更为广泛的广义ＦＢＡＭ模型．     

一种改进的单个自适应神经元控制学习算法

提出了一种改进的神经元控制学习算法，它是对原有的单个自适应神经元控制学习算法的较一般的推广和改进。通过对一卫星姿态稳定控制系统的仿真，表明所提方法优越。     

一种新型存储器件-磁电存储器

磁电存储器不仅存取速度快、功耗小,而且集动态RAM、磁盘存储和高速缓冲存储器功能于一身,因而已成为动态存储器研究领域的一个热点。文章总结了磁电存储器的工作原理和特性,分析了它们的发展现状及存在的问题,并对其应用前景进行了展望。     

一种新型的模糊神经网络自适应控制系统

结合神经网络控制和模糊控制的各自特点,提出了一种新的基于神经网络的模糊自适应控制算法,并给出了该算法的仿真与分析结果.利用该算法实现了基于模糊神经网络的智能控制系统的建立.     

改进的反馈型自联想记忆神经网络及其应用

针对全互连结构是大多数神经联想记忆模型采用的连接方式,在提高模型的性能时必然会以提高模型的复杂度为代价的特点,通过借鉴小世界网络模型对互连结构进行了改进,提出了一种反馈型自联想记忆神经网络模型,应用计算机仿真分析表明,该模型达到了预期效果.     

改进的反馈型自联想记忆神经网络及其应用

针对全互连结构是大多数神经联想记忆模型采用的连接方式，在提高模型的性能时必然会以提高模型的复杂度为代价的特点，通过借鉴小世界网络模型对互连结构进行了改进，提出了一种反馈型自联想记忆神经网络模型，应用计算机仿真分析表明；该模型达到了预期效果．     

Multi-Valued Associative Memory Neural Network

A novel learning method for multi-valued associative memory network is introduced,, which is based on Hebb rule, but utilizes more information. According to the current probe vector, the connection weights matrix could be chosen dynamically. Double-valued and multi-valued associative memory are all realized in our simulation experiment. The experimental results show that the method could enhance the associative success rate.     

一种组合式异联想记忆神经网络

提出了一种用于异联想记忆的人工神经网络模型—组合式异联想记忆神经网络,给出了相应的算法．计算机实验结果表明,该模型总连接权重数目较少,易于实现内外存交换,具有较好的应用前景．     

模糊联想记忆神经网络的动态学习算法

提出了最大最小联想记忆网络的一种动态调整学习算法，分析了动态调整算法所设计出的连接权阵网络对记忆模式对吸收域的影响，在一定条件下，它能够简便而有效地对训练模式进行联想推理。首先给出了一种快速调整学习算法，再进一步发展了一个动态指数细调规则学习算法，它以快速调整学习算法的结果作为连接权矩的迭代初值。计算机实验结果表明了所提学习算法的优越性。     

非对称联想记忆模型的性质及稳定性

本文讨论了非对称联想记忆模型的若干性质,并给出了在连续和离散两种情况下判别其稳定性的充分条件.     

一种基于模糊神经网络的PID控制器

利用神经网络自学习自适应能力和快速计算能力,提出一种基于模糊神经网络的PID智能控制器．该系统将模糊技术、神经网络与PID控制结合起来,实现了PID控制的自适应和智能化．通过仿真实验表明,该控制方案与传统PID控制系统相比,无论是超调量还是稳定时间,效果都要好得多．