连续反馈联想记忆的吸引域和指数收敛速度的估计

利用一些实分析技巧和Liapunov方法,重新估计了连续反馈联想记忆模式的吸引域及其中每一点趋向记忆模式的指数收敛速度,得到一些新的结果,这些结果可用于连续反馈联想记忆网络的容错性能评价及其综合过程.     

变时滞脉冲BAM神经网络的稳定性(英文)

本文研究了当脉冲不太频繁易受大的脉冲影响下的时滞BAM神经网络具有唯一的指数稳定的平衡点.分析采用一个推广的比较原理和M-矩阵理论,得到一些关于唯一平衡点的收敛性的简单可行的充分条件.所得结果推广和改进了已有文献的结果.     

对高二学生掌握有机化学方程式的编码调查与教学启示

根据认知心理学对编码的定义,以及对编码在学习中的地位的认识,联系高中有机化学具体的教学实际,对学生学习与掌握有机化学方程式的编码方式进行调查,进行各个类型的学习效果检测并作相应的认知分析。联系认知心理学对编码的研究,对有机化学的教学提出一些教学建议。     

对当前神经网络研究的几点看法

本文对目前国内神经网络研究小存在的一些问题提出几点看法并分析了原因．着重阐述了神经网络研究的目的、意义和特点,研究的艰巨性与长期性,研究方法上该注意的问题等．      

布朗运动的非马尔可夫效应

本文试图讨论布朗粒子运动的“记忆”效应,应用投影算子方法,在布朗运动随机动力学方程的基础上,引进函数H(t)。它描述了速度对位移的影响。在记忆函数K(t)适当假定后,我们得到含有非马尔可夫效应的位移方均值。它除了包含与t成正比的无记忆项外,将出现额外的项。这些项显示出     

论裂纹扩展过程中的流变与耗散现象

根据裂纹扩展过程中的流变与耗散现象,建立了裂纹扩展过程中裂纹体的热力学平衡方程。从而我们把裂纹扩展问题转化为一个含质量流源的扩散运动问题,并应用内部体力场论研究了裂纹扩展力。引入外部热汇后,我们将能量耗散问题转化为一个热传导问题。在此基础上,提出变质量断裂模型理论,并实验验证了裂尖塑性流变区存在有质量流及相应的非均匀温度场。令Clausius非补偿热为非负值,建立了裂纹扩展过程的广义熵不等式。应用算子分解定理引入耗散势函数,再依据广义Onsager互易原理,我们将广义熵不等式化为某一泛函的可积微分不等式,从而得到它的完全解。最后,给出流变性材料的严格非局部本构关系,并借助Lyapounov型的流变记忆泛函来描述裂纹扩展的全过程。据此,我们将裂纹扩展全过程分成三个阶段,即孕育期、稳定扩展期和失稳扩展期。再根据非平衡态热力学稳定性建立起起裂判据、裂纹扩展的稳定和失稳判据,并指明了裂纹扩展的方向。结果表明,仅当对称性破坏时,才能出现失稳扩展。因此,本文为流变断裂学提供了一个理论基础。      

量测噪声有限记忆在线估计简化算法

量测噪声有限记忆在线估计方法通过对新息序列的实时统计计算,更新系统量测噪声阵 R,增强了滤波器的自适应能力。但量测噪声有限记忆在线估计方法需要在每个滤波周期内对量测噪声阵 R 进行估计并更新统计周期内的量测新息,存在着信息统计与数据更新计算量大的不足。针对此问题,提出了一种基于协方差匹配技术的自适应滤波算法,将协方差匹配技术与量测噪声有限记忆在线估计方法相结合,根据协方差匹配结果,选择性统计量测噪声阵 R。仿真结果表明,简化算法可以在保证滤波精度相当的前提下,减小计算量,提高实时性。     

具变系数和无穷时滞的双向联想记忆神经网络的动力学行为

研究了具有变系数和无穷时滞的双向联想记忆神经网络,通过引入相空间G（R_）×G（R_）和Lyapunov泛函方法,建立了一系列关于解的有界性和全局渐近稳定性的判别准则．对于具有变系数和无穷时滞周期的双向联想记忆神经网络,通过应用周期解存在定理,建立了该系统周期解存在和全局稳定的充分条件．将上述结果应用于自治双向联想记忆神经网络,得到了平衡点的存在性、唯一性和全局渐近稳定性．     

具有感觉记忆的忆阻器模型

人类记忆的形成包括感觉记忆、短期记忆、长期记忆三个阶段,类似的记忆形成过程在不同材料忆阻器的实验研究中有过多次报道.这类忆阻器的记忆形成过程存在有、无感觉记忆的两种情况,已报道的这类忆阻器的数学模型仅能够描述无感觉记忆的忆阻器.本文在已有模型的基础上,根据有感觉记忆的忆阻器的研究文献中所报道的实验现象,设计了具有感觉记忆的忆阻器模型.对所设计模型的仿真分析验证了该模型对于存在感觉记忆的这类忆阻器特性的描述能力:对忆阻器施加连续脉冲激励,在初始若干脉冲作用时忆阻器无明显的记忆形成,此时忆阻器处于感觉记忆阶段,后续的脉冲作用下忆阻器将逐渐形成短期、长期记忆,并且所施加脉冲的幅值越大、宽度越大、间隔越小,则感觉记忆阶段所经历的脉冲数量越少.模型状态变量的物理意义可用连通两电极的导电通道在外加电压作用下的形成与消失来给出解释.     

一种改进的多门控特征金字塔网络

特征金字塔网络(FPN)在融合不同尺度特征图时采用上采样和相加的方法,然而经过上采样的特征图的空间层级化信息丢失严重,简单地进行相加必然引入一定的误差。同时,FPN结构的深层特征信息前向传递性较差,其对更浅层的辅助效果基本消失。对此,结合长短时记忆(LSTM)网络在处理上下文信息上的优势对FPN结构进行改进,在不同深度的特征层之间建立一条自上而下的记忆链接,建立多门控结构对记忆链上的信息进行过滤和融合以产生表征能力更强的高级语义特征图。最后,将改进的FPN结构加入到SSD(Single Shot MultiBox Detector)算法框架中,提出新的特征融合网络——MSSD(Memory SSD),并在Pascal VOC 2007数据集上进行验证。实验表明,该改进取得了较好的测试结果,相比于目前较先进的检测算法也有一定的优势。