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。     

具有非线性映射能力的RAM式联想存贮器*

本文提出一种具有非线性映射能力的RAM式联想存贮器(RAM—AM)，通过将二值输入模式分解成若干个子模式，并作为RAM的寻址地址，来训练该联想存贮器．存贮编码采用相关矩阵方法，此AM作为异联想存贮器能成功地回忆，如XOR、高阶奇偶校验一类高阶非线性问题，说明了映射能力对于模式划分行为的依赖性．最后从理论上证明了所提模型的信噪比大大高于Hopfield模型的信噪比及在大量神经元存在下的可实现性，实验例子证实了这种模型的可行性．     

基于极大极小准则的Hopfield联想记忆学习算法*

基于联想记忆各记忆模式的吸引域之间应保持大小平衡的思想．提出了设计Hopfield联想记忆网络的极大极小准则，即设计出的对称连接权阵应使得网络最小的记忆模式吸引域达到最大．首先提出了一种快速学习算法;再发展了一个启发性迭代学习算法，称为约束感知器优化学习算法．大量实验结果表明了本文学习算法的优越性．     

自组织决策树的联想记忆在线学习模型*

针对多源数据在线学习环境下的联想记忆建模问题,并综合考虑计算高效性、噪声鲁棒性等目标,提出基于自组织决策树的联想记忆在线学习模型.首先根据模式数据内在结构进行类内信息增强和噪声约简,然后基于信息熵增益的决策树算法对约简后数据进行子域划分,最后通过子域关系学习建模多源数据的联想关系.理论分析模型的学习稳定性.实验表明,文中模型在含噪数据在线分类学习和异联想建模问题上具有优良性能.     

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．     

弹球支持张量机分类器*

机器学习、模式识别、数据挖掘等领域中的输入模式常常是高阶张量.文中首先从向量模式推广到张量模式,提出弹球支持张量机模型.然后给出求解弹球支持张量机模型的序贯最小优化算法(SMO).为了保持张量的自然结构信息,同时加速训练过程,采用张量的秩-1分解代替原始张量计算张量内积.在向量数据和张量数据上进行的大量实验表明:对于向量数据,相比经典的积极集法,SMO的计算速度更快;对于张量数据,相比弹球支持向量机,弹球支持张量机具有更快的训练速度和更好的泛化能力.     

媒体同步技术*

人们可以用多种媒体形式表达同一段内容，这样，在输出这些内容的时候就会碰到媒体同步的问题．本文就多种媒体输出同一内容但有多种表达形式时的媒体同步问题进行了一些探讨，提出了一种媒体同步输出的控制模型，并且根据此模型给出了具体工作中媒体同步控制的实现．     

图像深度层次特征提取算法*

完成众多视觉任务的关键是提取具有较强表达能力的图像特征,传统的图像特征仅描述图像某一方面的信息,表达能力受到很大限制.文中基于卷积神经网络提出图像深度层次特征（DHF）提取算法,通过对图像的层层抽象表达,可以有效挖掘隐藏在图像内部的本质信息.首先基于卷积神经网络产生图像特征图,选取卷积输出层的特征图构建图像阶层结构.然后基于匹配实验选择最佳的层级组合,采用信息熵描述低层级特征图,采用区域平均的方法描述高层级特征图,最终构建具有较强表达能力的DHF特征.实验表明,相比已有特征,DHF特征优势明显,可以高效准确地完成图像匹配任务.     

管理信息系统中的面向对象体系模型*

本文采用面向对象的思想提出了描述管理信息系统(MIS)的一种体系模型，给出了在软件开发过程中如何获取体系模型中各组成部分的准则和方法，并应用于实际开发项目中．     

最小二乘半监督支持张量机学习算法*

支持张量机(STM)受限于迭代操作,训练时间较长.针对这一缺点,改进STM的目标规划,将训练过程由解决一组二次规划改为计算线性方程组,并引入直推式的思想解决半监督问题,提出最小二乘半监督支持张量机学习算法.在人脸识别和时间序列分类上对比文中算法与传统算法,实验证明文中算法不仅减少运算时间,而且提高识别率.     

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．     

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．     

基于联想记忆的触觉图象识别

与视觉相比,机器人触觉图象具有分辨率低、噪声大、信息不完整等特点,若采用常规分类器,识别率往往不高.本文基于 Hopfield 联想记忆神经网络,构造了一种适合于识别信息不完整、噪声较大的图象的分类器,并成功地应用于智能机器人触觉图象的识别.通过实验,我们对这种分类器的性能与三种常规分类器——最小距离、最近邻和贝叶斯分类器作了比较.     

基于突出特征的联想记忆神经网络

本文讨论基于突出特征的联想记忆模型，它是理解式记忆联想模型中不可缺少的子网络。理论分析表明，文中建立的模型可用于解决同类样本集的联想记忆问题。与聚类分析网络组合起来，可实现类比推理和分层递阶技术。     

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.     

离散指数型BAM网络的记忆容量

基于Kosko的双向联想记忆模型BAM(bidirectional associative memory)原理,本文提出了一个离散指数型双向联想记忆模型.通过理论分析证实,该模型的记忆容量远远大于BAM的记忆容量.本文给出了指数型BAM记忆容量的下界.     

英语词汇联想记忆法的设计与实现

讨论一种基于联想记忆法的英语词汇计算机辅助学习系统(AM-CALS)的设计与实现。AM-CALS是VFP9.0环境下开发的具有多用户、实用、易学、可视化和面向对象特点的计算机辅助学习系统。数据库采用CASE工具集Sybase PowerDesigner 12.0设计。     

一种非线性可自学习的联想记忆神经网络

醉庆生物神经突触特性的基础上,提出了非线性神经突触神经元的概念,并以此为根据构造了一种可自学习的联想记忆神经网络模型。这种模型可以按照Hebb规则进行学习,学习机制由网络本身完成。在此模型中,由于非线性权重的引入,使此神经网络模型能以简单的结构实现网络的自学习功能。文中对网络的记忆容量和此种网络在以特定的学习方式学习后与Hopfield网络的等效性方面进行了讨论。试验表明,此种网络模型结构是有效的。