训练模式对的摄动对单体模糊神经网络的影响

针对训练模式对的小幅摄动可能对模糊神经网络的性能产生不利影响,提出了单体模糊神经网络对训练模式对摄动的鲁棒性概念,并就训练模式对的最大保序摄动的情形对单体模糊神经网络(MFNN)进行了具体分析,一般的模糊神经网络对训练模式对摄动的鲁棒性概念可类似定义.理论研究表明:当训练模式对发生最大γ保序摄动时,在h=5的条件下,单体模糊神经网络对训练模式对的摄动全局拥有好的鲁棒性,这将有助于MFNN系统的性能分析、学习算法的选择和模式对获取.     

有脉冲和时滞的双向记忆神经网络稳定性分析

利用Lyapunov函数和二维Hanalay类型不等式,研究带有脉冲和时延的广义双向联想记忆神经网络平衡点的全局指数稳定性,得到了几个判断网络全局指数稳定的充分条件,这些条件刻画了脉冲强度和没有脉冲的连续子网络(双向联想记忆神经网络的连续部分)的指数收敛速度对整个网络的全局指数稳定性的混合影响。研究结果表明即使脉冲对网络状态有放大的影响,脉冲时滞双向联想记忆神经网络也可能保持连续子网络的全局指数稳定性质。数值例子验证了理论结果的正确性。     

基于匹配滤波模型神经网络在数控机床故障诊断中的应用

为了改善双向联想记忆(BAM)神经网络的性能,提出了一种修正模型.该模型能增强神经网络的记忆容量和容错联想能力,具有渐进稳定的特征,并且改进了网络平衡状态的稳定性和吸引性能.理论分析和实验结果证明,这种修正模型不仅能正确完成数控(CNC)机床的故障诊断,而且对于存在干扰的输入信号序列具有很好的容错联想能力.     

利用最大似然准则的双向联想网络研究

针对现有双向联想网络(BAM)存在的存储容量小、抗干扰能力弱的缺点,提出了一种利用最大似然准则的BAM网络(MLBAM)及其训练算法.MLBAM网络采用双向网络结构建立了神经元的发放以及抑制模型,充分利用似然函数的特性以及网络的双向联想特性,很好地完成了自联想和异联想功能,并且准确计算出关联样本对之间的关联度,使MLBAM网络在随机环境中具有很强的抗噪能力.利用最速下降算法,给出了MLBAM网络的训练算法,根据训练权重的Hessian矩阵负定,判定算法能够获得全局最优解,从而证明了算法的收敛性.该训练算法能够训练出最优的连接权重和神经元阈值.通过2个典型实验验证了MLBAM网络的抗噪能力和联想能力,在存在1位随机噪声的情况下,该网络的联想正确率达到了100%.     

基于Wasserstein距离的双向学习推理

基于Wasserstein距离的生成对抗网络(WGAN)将编码器和生成器双向集成于其模型中,从而增强了生成模型的学习能力,但其在优化目标中使用KL散度度量分布间的差异,会导致学习训练过程中出现梯度消失或梯度爆炸问题,降低模型鲁棒性.为克服这一问题,提出了一种基于Wasserstein距离的双向学习推理(WBLI)模型.文章首先建立了真实数据分布与隐数据分布双向学习网络,然后引入Wasserstein距离度量联合概率分布的差异性,并据此推导了可解的损失代价函数,给出了完整的网络学习模型和迭代算法.实验结果表明,WBLI模型有效缓解了传统GAN及其变种的模式坍塌问题,增强了训练学习的鲁棒性,可生产辨识度更高的样本.     

对改进的联想记忆器的研究

运用统计物理学的平均场理论来研究改进的联想记忆器问题。通过对三阶输出函数的有关网络状态的稳定性讨论,提出了一种对伪态的影响加以削弱的方法,并与Ｈｏｐｆｉｅｌｄ联想记忆网络进行了比较以及给出模拟结果来验证理论分析。     

基于改进长短时记忆网络的文本分类方法

针对传统长短时记忆网络(long short-term memory,LSTM)在文本分类中无法自动选取最重要潜在语义因素的问题,提出一种改进的LSTM模型。首先,将传统LSTM的运算关系拓展为双向模式,使网络充分记忆输入特征词的前后关联关系;然后在输出层前面增加池化层,以便更好选择找到最重要的潜在语义因素。互联网电影资料库评论数据实验结果表明,该模型优于传统长短时记忆神经网络以及其他同类模型,揭示了改进方案对提高文本分类准确率是有效的。     

双向联想记忆神经网络的全局指数稳定性

在研究双向联想记忆神经网络时,通常都假设输出响应函数是光滑的增函数,但实际应用中遇到的大多数函数都是非光滑函数。因此,本文将双向联想记忆神经网络的输出响应函数连续可微的假设削弱为满足Lipschitz条件,通过引入Lyapunov函数,利用不等式的方法,证明了双向联想记忆神经网络全局指数稳定性的一个定理。     

离散Hopfield神经网络在混烧控制系统故障诊断中的应用

给出了离散Hopfield神经网络结构和模型．利用Hopfield神经网络的演变过程是一种计算联想记忆的过程,它适用于正交(或近似正交)模式的记忆性质,给出了一种Hopfield神经网络的双向联想记忆模式的记忆矩阵构造方法,并提出了一种改进的基于Hopfield神经网络的控制系统故障诊断的算法,利用此算法实现实时检测混烧控制系统的故障和异常,对混烧控制系统的调节器和阀门进行故障诊断和故障信息提示．     

基于海马CA3区的序列联想记忆模型及应用

通过对人脑海马CA3区联想记忆功能的分析,提出了一种联合使用自联想网络和异联想网络的方法,并设计了具有类海马CA3区生理功能的序列联想记忆模型(SAM).针对所建模型,进行了两类测试实验,测试结果表明该序列联想记忆模型不仅可对不完整记忆模式进行修复,并且可实现不同记忆模式相互转化的动态联想记忆过程.序列联想记忆模型为研究特定过程中个体不同记忆模式的序列化和动态转化过程提供了建模支持.     

Application of MBAM Neural Network in CNC Machine Fault Diagnosis

In ruder to improve the bidirectional associative memory (BAM) performance, a modified BAM medei(MBAM) is used to enhance neural netwcrk(NN)‘s memory capacity and error correction capability, theoretical analysis and experment results illuminate that MBAM performs much better than the original BAM. The MBAM is used in computer numeric control(CNC) machine fault diagnosis, it not only can complete fault diagnosis correctly but also have fairly high error correction capability for disturbed Input Information sequence. Moreover MBAM model is a more convenient and effective method of solving the problem of CNC electric system fault diagnosis.     

乘除形态学联想记忆及其性能分析

形态学联想记忆是一类新颖的人工神经网络,但是它的异联想记忆效果较差.针对这个问题,基于互补的思想,提出一种形态学联想记忆方法,称为乘除形态学联想记忆.文中分析了乘除形态学联想记忆方法完全回忆记忆的条件及其噪声性质.分析和实验表明,这种方法对异联想效果显著,并具有一定的抗噪声鲁棒性,在一些情况下,能够取得更好的异联想效果.     

故障模式的联想记忆和识别分析

分析了故障模式的矩阵存储的机理，采用神经网络的联想存储方式来存储邦联模式，完成故障诊断，针对ＢＡＭ容量限制问题，用了一种多重矩阵存储法有效地解决了这一问题，并用一锅炉给水控制系统的故障诊断作为示例。     

随机时滞BAM神经网络的全局散逸性

把不确定性因素考虑到双向联想记忆神经网络(BAM)中, 得到一类带Brown运动的随机时滞双向联想记忆神经网络(BAM)模型. 在激活函数有界的条件下, 研究了随机时滞BAM神经网络的全局散逸性. 通过Lyapunov泛函、Jensen不等式和It 公式等, 讨论了随机时滞BAM神经网络系统均方散逸的充分条件, 给出了该系统散逸的吸引集. 通过数值例子对所给出的结论进行了验证.     

High-Order BAM, Its Modifications and Performance Analyses

Based on Tai' s high - order bidirectional associative memory ( HOBAM) and Stmposon' s intraconnected BAM (IBAM) , two Improved models are first presented and discussed in this paper. The improved models not only retain the advantages of both HOBAM and ISAM but overcome the shortcomings of Kosko' s BAM also. Secondly their recall stabilities in synchronous and asyn-chronous update modes have been proven by defining corresponding energy functions which decrease as the re-call process proceeds such that the systems can ensure all the training pattern pairs to become local minima of the energy surfaces. Finally with signal - to - noise ratio (SNR) approach, we show that their storage capacities and error correction capabilities are better than that of the HOBAM.     

一类新的关联存储器模型

基于运算模糊算子(∧,·)和(∨,·)的基础上,提出了一类新的关联存储器模型(MAMs),而且证明了基于运算模糊算子(∧,·)的MAMs处理扩张性噪声和基于运算模糊算子(∨,·)的MAMs处理消减性噪声是非常有效的.同时能得到优于传统存储模型的MAMs.     

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．     

一类联想神经网络的计算机模拟实现

本文讨论了一类联想神经网络的综合方法，给出了计算机实现网络综合的算法程序流程图及网络综合实例，计算机模拟结果表明，综合出的网络在模式联想记忆中得到的结果与理论分析完全相吻合。     

具有分布时滞的双向联想记忆神经网络稳定性分析

考虑分布时滞的双向联想记忆神经网络模型,并且给出其平衡态一致稳定和全局渐近稳定的充分条件。