综合联想记忆神经网络的外积取等准则

本文提出了一个新的联想记忆设计准则，即外积取等准则，它具有外积和准则的所有优点。由外积取等准则设计出的联想记忆网络能够存储任意给定的训练模式，即对于训练模式的数目和它们之间相关性的强弱没有限制。外积取等准则可用来定量地评价记忆模式向量各分量对于记忆模式分类或识别的重要性。由外积取等准则设计出的网络的连接权值只取１、０或－１，因而网络易于光学实现。计算机实验结果充分说明了外积取等准则的有效性。     

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。     

Hopfield型神经网络的全局指数稳定性及其应用

若Hopfield型连续反馈神经网络连接权阵的矩阵测度小于神经元的电阻常数与增益参数的最大乘积的倒数,则对于任意的网络外部输入,该网络系统都是全局指数稳定的,该倒数就是保证此结论成立的矩阵测度的最大可能上界,上述结论部分回答了Vidyasagar提出的关于Hopfield型神经网络的一个公开问题:具有“几乎对称”连接权阵的神经网络是否会出现极限环?揭示了网络时间常数与全局指数收数收敛速度之间的内在关系,最后说明了分析结果在最优化计算中的应用.     

正式设计评审

引言研制阶段进行设计评审的目的是要确保产品或服务能以最低成本满足规定的可信性、寿命、安全性、耐久性、环境适应性、电磁兼容性和性能等方面的要求;并保证能在规定的期限内交付使用。设计评审能通过减少成本、缩短交货时间和提高产品质量、性能和安全性来改进产     

二进Hopfield型神经网络的记忆容量

本文证明了具有Ｎ个神经元的二进Ｈｏｐｆｉｅｌｄ型神经网络可存储的记忆模式的最大数目为２＾Ｎ，对于任意Ｋ（１≤Ｋ≤２＾Ｎ）个Ｎ维二进值向量，给出了它们成为具有Ｎ个神经元的二进Ｈｏｐｆｉｅｌｄ型神经网络稳定态的充要条件。文中指出了一个二进Ｈｏｐｆｉｅｌｄ型神经网络有可能没有任何稳定态，这是与连续Ｈｏｐｆｉｅｌｄ型神经网络的一个重要区别。最后，给出本文的主要结论。     

连续反馈联想记忆的吸引域和指数收敛速度的估计及其应用

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。这些结果可用于连续反馈联想记忆网络的容错性能评价以及综合过程。     

Hopfield连续联想记忆的吸引域和指数收敛速度的估计及其应用

本文得到了Ｈｏｐｆｉｅｌｄ连续联想记忆各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的估计结果，它们可用来评价Ｈｏｐｆｉｅｌｄ连续反馈联想记忆的容错能力，且可用于综合更为实用的连续联想记忆神经网络。     

正式设计评审 续

9.1 概述 正式设计评审工作的开展要求有精心的规划组织与及时汇报。本条款阐述的是实施设计评审的工作框架。具体细节取决于评审的产品或工艺以及所采用的设计评审的类型。 9.2通知和议事日程 在设计评审之前评审小组组长要准备一份评审通知和议事日程,并分发给评审小组的成员以及他们的主管部门。 在评审通知和议事日程中应说明: 参加评审的人员及其职能; 根据具体情况介绍项目的情况及其进行评审的收费标准;     

连续反馈联想记忆的吸引域和指数收敛速度的估计及其应用

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。这些结果可用于连续反馈联想记忆网络的容错性能评价以及综合过程。     

基于模式分量最优稳定性准则的联想记忆学习算法

提出了设计联想记忆神经网络的模式分量最优稳定性准则，即使得每个模式分量对于模式畸变都具有最大的联想容错性。