异联想IPA模型,高阶异联想IPA模型以及光学实现

本文提出了异联想interpattern association模型,高阶异联想IPA模型的构成方法,并讨论了它们光学实现的结构,特别是高阶神经网络光学实现的一种新的紧凑结构。     

光学模糊联想神经网络

本文提出一种模糊联想神经网络的非相干光学实现系统。利用空间区域编码技术和阴影投射系统，模糊联想存贮器所需的矩阵－矢量最大－最大合成运算可得到光学实现。给出了实验结果。     

联想神经网络收敛性能的研究

本文对具有投影学习算法的Hopfield型二值神经网络(HBNN)在同步工作方式下的收敛性能进行了比较全面的讨论。证明了网络具有演化收敛到网络平衡点的特性,推导了计算网络收敛所需瞬态工作步数上界的估算公式,分析并给出了计算平衡点(记忆模式)收敛半径的算法。     

分形细胞神经网络用于联想记忆

本文提出了分形细胞神经网络，并成功地应用于联想记忆，从模拟结果看，分形细胞神经网络的联想记忆能力好于Ｂａｒａｍ提出的分形神经网络。     

基于投影原理的双向联想神经网络

本文提出了一类新的双向联想神经网络。与以往基于能量函数的神经网络不同,该网络通过在两个不同的Hilbert空间的交替投影进行联想,因而其动态特性和稳态解可以在信号空间上进行分析且具有快速自适应自学习等优点。该网络可做为异联想存贮器或分类器。本文给出了该网络在存贮和恢复二值模式时的实验结果,表明了其优良的性能。     

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。     

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。     

Banyan交换网的神经网络排序的一种实现方法

本文根据Ｂａｎｙａｎ网络的阻塞特性，提出用ＢＡＭ神经网络作Ｂａｎｙａｎ网络的排序器，并根据应用特点提出一种样本选取原则，给出了Ｂａｎｙａｎ网络的神经网络排序的一种实现方法。     

Hopfield型联想记忆神经网络一种新的分析方法

本文通过定义一种新的能量函数，分析了Ｈｏｐｆｉｅｌｄ型神经网络的渐近稳定性与联想记忆问题，得到了四组保证网络平衡点是渐近稳定平衡点的充分条件，应用这些条件，便可设计联想记忆神经网络，文中给出了应用这些结论设计联想记忆神经网络的实验结果及分析。     

基于元路径卷积的异构图神经网络算法

现有异构图嵌入方法在多层图卷积计算中,通常将每个节点表示为单个向量,使得高阶图卷积层无法区分不同关系和顺序的信息,导致信息在传递过程中丢失。为解决该问题,提出了基于元路径卷积的异构图神经网络算法。该方法首先利用特征转换自适应调整节点特征;其次,设计了元路径内卷积挖掘节点高阶间接关系,捕获目标节点在单元路径下与其他类型节点之间的交互关系;最后,通过自注意力机制探索语义之间的相互性,融合来自不同元路径的特征。在ACM、IMDB和DBLP数据集上进行广泛实验,并与当前主流算法进行对比分析。实验结果显示,节点分类任务中Macro-F1平均提高0.5%～3.5%,节点聚类任务中ARI值提高了1%～3%,证明该算法是有效、可行的。     

二进联想Hopfield神经网络的稳定点研究

稳定点是决定人工神经网络联想记忆能力的最重要因素。本文在二进联想Hopfield网络的稳定点统计分布、计数和快速判别等方面给出了若干新结果。     

双向联想记忆神经网络的开关电流技术实现

本文研究了双向联想记忆（ＢＡＭ）神经网络的开关电流技术实现，提出了实现负权值及存储联想矢量的两个开关电流单元电路，基于此，给出了双向联想记忆网络的开关电流电路，文中对三神经元双向联想记忆ＳＩ网络进行了ＰＳＰＩＣＥ仿真，结果表明所提出的ＳＩ联想记忆网络是正确的。     

离散Hopfield神经网络和联想记忆的开关电流技术实现

研究了离散Ｈｏｐｆｉｅｌｄ神经网络（ＤＨＮＮ）和联想记忆神经网络的开关电流技术实现，利用多权输入跨导，开关电流延迟器（ＳＩＤ）和可编程电流比较器（ＰＣＣ）实现了离散Ｈｏｐｉｅｌｄ神经网络，并提出了利用离散Ｈｏｐｆｉｅｌｄ神经网络实现自联想记忆时相应的开关电流电路，所提出了开关电流神经网络适宜于超大规模集成，能在低电压（如３．３Ｖ）下工作。     

振荡神经网络的建模与动态联想记忆

本文提出一种全程耦合映射格子式的振荡神经网络模型，该模型具有丰富的非线性动力学行为，在其联想记忆的数值模拟中，观察到同步振荡和时空混沌现象。该网络的动态特性有助于区分具有相同吸引子的不同模式。     

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。     

延迟双向联想记忆神经网络的周期振荡现象研究

带输突信号传输延迟的双向联想记忆（ＢＡＭ）神经网络是两层异联想网络,本文详细讨论带延迟ＢＡＭ网络周期解的存在与唯一性,得到了一个充分条件;并用具体例子验证了所得结论的正确性,我们的结果对于具体的延迟ＢＡＭ振荡神经电路的设计和应用具有重要的指导意义。     

具有轴突信号传输延迟的双向联想记忆神经网络

双向联想记忆模型是两层异联想网络，本文重点讨论了具有轴突信号传输延迟双向联想记忆神经网络平衡点存在的条件以及全局稳定性，并用具体例子验证了结论的正确性，本文所讨论的方法具有普遍性，所得到的结果对于网络的设计和应用具有重要的指导意义。     

基于极大极小准则的异联想记忆网络学习算法

提出了设计异联想记忆网络的极大极小准则，即设计出的连接权阵应使得网络最小的记忆模式对的吸引域达到最大。首先给出了一种快速学习算法，它设计出的网络连接权值只取１，０或－１；再进一步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，它以快速学习算法的结果作为连接权阵的迭代实值。     

Kosko型双向联想记忆与Hopfield神经网络的关系

深入理解K0sko型双向联想记忆(BAM)网络是学习使用其它双向联想记忆的基础.如果我们按照传统的方法介绍BAM网络,学生很容易产生两个疑问:能量函数为什么是定义的?BAM网络与Hopfield网络的内在联系是什么?本文在说明Kosko型BAM网络就是一种特殊的Hopfield网络后,从Hopfield网络的能量函数出...