局域互联的IPA神经网络模型

提出了局域互联的Ｉｎｔｅｒ－ｐａｔｔｅｒｎＡｓｓｏｃｉａｔｉｏｎ一ＩＰＡ神经网络的新概念。并对局域互联的ＩＰＡ网络的关联存储进行了计算机模拟和特性分析。结论是：在满足存储容量的限制下，局域互联的ＩＰＡ网络与传统的全局互联ＩＰＡ网具有同样的全局关联存储能力。但是，局域互联的ＩＰＡ网络的关联矩阵却小得多。因而，这有利于用一般的液晶空间光调制器实现较大规模的神经网络。     

扩展Hubbard模型局域方法的四阶近似

应用局域方法四阶近似，计算了扩展Ｈｕｂｂａｒｄ模型顺磁相的相关性，局域磁矩和反铁磁极化。计算表明，当电子密度ｎ较小时，尽管Ｕ和Ｗ可以很大，对三阶近似结果仍没有明显修正，只有当ｎ，Ｕ和Ｗ都较大时，对三阶近似结果的修正才变得明显。     

S-分布时滞神经网络概周期解的全局渐近稳定性

利用不动点理论和微分不等式技巧研究了S-分布时滞局域递归神经网络模型的概周期解,给出了概周期解存在性和全局渐近稳定性的充分条件。     

全局优化学习算法下的高阶神经网络模型

研究了一个高阶神经网络模型，该模型采用全局优化学习算法，能使所有学习图样都成为系统的稳态吸引子，其存储容量远高于Ｈｅｂｂ－ｒｕｌｅ－ｉｌｋｅ型学习算法下的高阶神经网络模型，并能存储识别相关图样，对由３０个神经元组成的二阶神经网络系统进行了计算机模拟，模拟结果证实了上述结论。此外，还分析了初始突触强度对学习效果的影响，计算不同存储力图样数目下的平均吸引半径。     

一个非全局连接神经网络模型

为了降低神经网络的连接复杂度,以利于硬件实现,本文提出了一个非全局连接的神经网络动力学模型,包括网络的能量函数、局域场和学习规则。基本思想是将Hopfield网络分解成若干个子网络,并建立各子网络之间的联系。对此模型的联想记忆过程统计分析表明,与Hopfield网络相比,一次分解后的连接数减少了25%,但网络的存储量和联想能力不变;多次分解后的连接数大大减少了,尽管网络的存储量和联想能力有所下降,但每个连接系数的平均存储能力提高了近1倍。本文最后讨论了高阶连接和多层网络结构的关系.     

局域振荡非均匀可激发介质中的螺旋波

研究了尺度和螺旋波波长相比拟的局域振荡非均匀对可激发介质螺旋波的影响。数值模拟结果表明，局域非均匀产生的影响可分为四种：简单局域空间调制，局域螺旋波，全局螺旋波，全局可持续靶波。产生全局螺旋波和靶波的前提是非均匀引起的新螺旋波角频率必须大于原螺旋波的角频率。大尺度的非均匀在某些参数区域对螺旋波的影响往往比小的非均匀要复杂。     

神经网络在多传感器多目标跟踪中的应用

首先研究了基于粗关联和精关联过程的多传感器多目标(MSMT)跟踪融合算法，精关联是联合概率数据关联(JPDA)算法的推广，JPDA算法存在随传感器数和目标数的增加而计算量迅速增加的缺点；其次提出了一种基于神经网络的MSMT联合概率数据互联(MNJPDA)算法，MNJPDA算法能克服计算量爆炸问题，基于MNJPDA的融合算法能提高跟踪的快速性．仿真结果证明了MNJPDA融合算法的有效性．     

基于紧致编码的高阶神经网络光计算

提出一种能压缩三阶神经网络的互连张量规模近一半的紧致编码方法。设计两种光电混和系统-非相干多重成象系统和非相干相关系统,并用它实现了三阶互连的二维神经网络,构成图象平方关联存贮器。在光学实现中,借助于一种多重矩阵排列方式,作者用一块二维掩模板表示六维的互连张量,用二维的发光二极管(LED)阵列表示四维的输入张量,实验结果与数值模拟的结果吻合。     

某类三阶非线性微分方程零解的全局渐近稳定性

本文研究了三阶非线性微分方程零解的全局稳定性。利用类比法得到了某类三阶微分方程零解全局稳定的判别定理．     

一类三阶非线性系统的全局稳定性

利用Liapunov方法讨论一类三阶非线性系统的全局稳定性，得到了系统在一些较弱条件下的全局稳定性．     

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.     

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．     

An oscillatory neural network and dynamical associative memory

Ａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋｈａｓｒｅｃｅｎｔｌｙｒｅｃｅｉｖｅｄｃｏｎｓｉｄｅｒａｂｌｅａｔｅｎｔｉｏｎｆｒｏｍｖａｒｉｏｕｓｒｅｓｅａｒｃｈｆｉｅｌｄｓ．Ｍｕｃｈｅｆｏｒｔｈａｓｂｅｅｎｍａｄｅｔｏｗａｒｄｓｔｈｅｕｎｄｅｒｓｔ...     

BP神经网络在旋转机械故障诊断中的应用

人工神经网络模型是在现代生物神经系统研究基础上建立的一种网状结构，是对人脑某些基本特性的一种简单的数学模拟。神经网络以其信息的并行分布式处理、联想记忆、自组织及自学习能力，在机械故障诊断领域显示了极大的应用潜力。本文就神经网络对给定知识的表达、联想、记忆能力及网络结构进行了研究，利用反向误差传播网络对旋转机械中四种典型故障进行了实例分析诊断，取得了令人满意的效果。     

Hopfield连续神经网络新的综合和学习方法

本文对设计一个全局稳定的Ｈｏｐｆｉｅｌｄ连续时间联想神经网络提出一种新的综合方法，用本文提出的方法综合的网络不仅能保证每一个要求的模式全部记忆，而且存贮在网络的稳定平衡点上的每一个记忆具有很好的吸引域特性。从最小误差参数估计的观点导出求解网络联接矩阵的学习方法具有快速收敛特性。本文还提出了利用反馈网络电路结构实现网络综合的方案。一个零自联接联想网络的综合实例证实了本文提出的方法的有效性和实用性。     

关于单层神经网络结构特征的一个结果

目前有许多神经网络模型以 Hebb 规则做为学习的基础.在 Hebb 规则中不包含神经元的几何结构信息.但对点数相同的二维点阵和一维点阵,大脑易于记忆二维点阵,因为它有更多的几何结构特征.Kohonen在中论述了生物神经网络的结构特征.本文在Hopfield 网络中引入几何结构信息,对其联想记忆过程做了理论分析和实验研究,试图研究单层神经网络的结构特征对联想记忆的影响,并探讨实现局域连接的可能性.1 Hopfieid 神经网络模型及结构信息的引入Hopfield在文中提出了一个神经网络离散模型.此模型中包括 N 个神经元,它们     

再谈基于分类思想的联想记忆神经网络

探讨了CANN网络的伪吸引子的情况，证明了网络最多只有1个伪吸引子，即所谓的“空白模式”，并设计出异联想记忆网络模型结构。     

基于神经网络的字母识别方法研究

利用Hopfield神经网络联想记忆的功能,对有噪声干扰的字母进行识别。