一种联想记忆网络的研究

外积法是很容易实现的权值学习算法,而且有很好的记忆效果,但是它也存在一些不足．针对这些不足,提出一种结构简单、记忆效果较好的网络．通过对数字海明距离的分析,提出了一种将两个网络互联用于联想记忆的方法,适当的分类能让网络达到最大的容量,仿真结果表明该方法是有效的．     

基于记忆图样权重的联想记忆神经网络学习算法

提出了记忆图样对神经突触联接强度的贡献权重概念。通过使原图样成为稳定态即稳定条件得到的方案求解该权重,得到了突触联结强度矩阵,实现了神经网络相关模式的联想记忆。将此算法和其它联想记忆算法进行了比较和讨论,并用计算机进行了模拟。     

一种混合模糊联想记忆网络

本文改进了Ｋｏｓｋｏ．Ｂ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Ｋｏｓｋｏ．Ｂ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．实验结果表明,本文的学习算法及混合网络是有效的．     

基于自联想记忆算法的图像缩放研究

针对图像缩放中的问题,提出基于自联想记忆算法。首先确定自联想记忆最小上界和最大下界,自联想记忆每个层之间的神经元通过最近域互连接方式连接信息交替,能够在神经系统缺损信息时通过自联想记忆恢复出原来存储的完整记忆模式;接着所有神经元节点采用同步方式调整状态,利用均场定理加快自联想记忆神经网络学习速度;最后给出了图像缩放算法过程。实验仿真显示算法输出图像能够较好地保持原图像内容,峰值信噪比(PSNR)比较大。     

随机延时Hodgkin-Huxley神经网络的同步与联想记忆

基于神经系统微观生理结构,给出具有空间分布随机延时的神经元间耦合,而这种随机延时描述峰电位从突触前神经元到突触后神经元在轴突上传播所需要的时间．记忆由时空发放的神经元集群表达．通过加入并改变噪声的强度,研究了噪声对Hodgkin—Huxley（HH）神经元网络系统联想记忆的作用,在噪声涨落的作用下,系统取得了对不完整输入的记忆恢复,得到与熟知的随机共振完全一致的结果．     

基于联想记忆神经网络的故障诊断

以模拟人脑由部分记忆而联想整体的特点为基础,通过引入联想记忆衰减因子,改进了神经网络结构和学习算法,以应用于系统的故障及时诊断.     

基于分组划分的形态学异联想记忆研究

在输入模式无噪声的情况下,形态学异联想记忆不能够保证完全回忆记忆,针对这个瑕疵,提出了一种新的思路和方法——分组划分.该方法将原有输入模式对进行分组,逐一对分组后的模式对集合进行形态学操作计算,由局部到整体,进而实现形态学异联想记忆的完全回忆记忆.     

基于免疫联想记忆的病毒检测算法

针对现有算法只考虑未知病毒检测的片面性 ,论文综合借鉴生物免疫机制中一次反应的非选择思想和二次反应的联想记忆思想 ,提出了一种基于免疫联想记忆的病毒检测算法 ,该算法结合了免疫非选择对未知病毒的识别能力和免疫联想记忆对已识别病毒的学习记忆能力 .基于免疫联想记忆的病毒检测算法除能有效地检测未知病毒外 ,还能快速检测出已知病毒的变种或具有类似行为特征的病毒 .针对典型宏病毒的实验验证了本文算法的检测性能     

一类神经网络稳定性与联想记忆的分析

分析了具有代表性的一类神经网络的稳定性与联想记忆问题.首先定义一种新的能量函数,由此分析网络的稳定性,推得了保证网络平衡点是渐近稳定平衡点所满足的条件,从而使网络可用于联想记忆.所得条件与 A.Guez 所得结论对比发现,在某些情况下两者是一致的,在另外一些情况下,两者并不等价.另外,还得到了比 A.Guez 结论更具普遍意义的保证网络运行点为渐近稳定平衡点的有关定理,扩展了 A.Guez 的结论.     

一种基于稀疏指数联想记忆神经网络的图像识别方法

区别于一般的图像识别方法,指数联想记忆模型(EAM)是一种对数据分布无任何要求的非线性技术,具有指数级的存储容量和良好的容噪性能.随着实际的需求和被处理问题规模的扩大,EAM所采用的全互连结构将导致布线工艺上的困难而难以克服,限制了模型的VLSI(超大规模集成电路)硬件实现.通过在EAM中引入社会领域中广泛存在的"六度分离"现象,借鉴Watts和Strogatz提出的"小世界网络"理论对EAM进行了稀疏化改造.改造后的稀疏指数联想记忆模型(SEAM)不仅结构相对简单、易于硬件实现,而且仿真结果表明在灰度图像加噪和部分缺失的情况下,SEAM识别性能和全互连的EAM相当,表现出了较强的鲁棒性.     

基于改进的多对多联想记忆混沌神经网络研究

研究混沌神经网络的联想记忆特性,探讨了网络参数的改变对其联想记忆效果的影响,在此基础上提出了一种多对多联想记忆混沌神经网络模型（MCAM）,通过仿真实验证明了该模型的先进性．     

具离散时滞的混合双向联想记忆神经网络的周期解

在放弃活跃函数的有界性、单调递增性和可微性条件下,引入可调实参数di>0(i=1,2,…,n),通过构造Lyapunov泛函和运用不等式分析技巧,对一类具离散时滞的混合双向联想记忆神经网络的周期解、平衡点的存在唯一性和全局指数稳定性给出了一些新的充分准则.     

带有阈值的广义模糊双向联想记忆网络的稳定性分析

基于模糊取大算子“V”和一类t－模“T”建立了带有阈值的V－T型模糊双向联想记忆网络,证明了当T满足李普希兹条件时,系统的平衡点是Lyapunov稳定的,并给出系统为结构稳定的一个充分条件。最后用实例验证了结论的正确性。     

联想Hopfield神经网络样本稳定性的判别方法

针对基于Hebb学习的离散Hopfield神经网络，论述了实现联想记忆功能的基本方法及其样本稳定性的基本思想。根据所存在的问题，提出了判别样本稳定性的充要条件，以及判别样本稳定的一个充分条件，使判别样本是否稳定变得简单易行。最后给出了判别样本稳定的矩阵表示形式，并对给出的定理以及推论给予了证明。     

基于联想记忆的Hopfield神经网络的设计与实现

介绍了反馈型神经网络Hopfield网络的定义、原理、模型和基本学习规则,并构造了一个用于联想记忆的Hopfield神经网络模型.对实验结果进行分析、比较,实验结果表明:Hopfield神经网络用于数字识别是可行、有效的;该方法较传统神经网络能提高网络的记忆能力和数字识别的正确率;该方法有别于以往的BP神经网络的模式识别,结合一些优化算法,如遗传算法,能对Hopfield神经网络的联想记忆稳态进行优化,增强神经网络的联想记忆能力.     

具有时滞的双向联想记忆神经网络的稳定性分析

研究一类具有时滞的变系数双向联想记忆神经网络(BAM)的稳定性问题.由于时滞变系数双向联想记忆神经网络的平衡点不一定存在,分平衡点存在和不存在两种情况进行研究.在BAM神经网络系统存在平衡点时,通过构造Lyapunov函数,结合不等式分析技巧,给出了系统指数稳定的充分条件;在BAM神经网络系统不存在平衡点时,利用数学归纳法给出了系统的吸引域.     

基于启发式退火拓扑择优机制的稀疏联想记忆实现

借鉴统计物理学中的“退火”概念，针对已有稀疏互联联想记忆模型中只考虑网络连接随机稀疏方式，缺乏面向特定模式存储任务的确定性操作，使用非平衡态统计分析方法，讨论了有限代谢能量资源约束下的网络结构最优稀疏原则，给出了相应的理论推导.在此基础上，研究了面向特定学习任务的网络稀疏结构自适应方法，构建了基于启发式退火拓扑择优机制的稀疏联想记忆模型.实验表明，该模型既具有一定的生物学基础，维持了网络结构广泛稀疏互联的特性，又能在网络资源受限条件下达到最优联想记忆性能，符合神经生物系统本身自组织、自学习的特点.     

二阶时滞的双向联想记忆神经网络的稳定性分析

讨论了二阶时滞的双向联想记忆神经网络平衡点的全局稳定性,利用Lyapunov函数和不等式技巧得到了网络平衡点的全局渐近稳定和全局指数稳定的几个充分条件.     

具有模糊联想神经网络的自组织模糊控制器

在分析了几种用神经网络实现的模糊控制器不足的基础上，提出一种用模糊联想记忆神经网络实现的自组织模糊控制器；该控制器由２个模糊联想记忆神经网络分别记忆校正规则表和修正控制规则表，并通过网络权值矩阵的在线修正完成控制规则的实时修正。模糊推理则由网络的自联想功能完成。