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。     

基于离散Hopfield神经网络的数据智能识别

Hopfield网络是一种反馈型神经网络,具有丰富的动力学特性。当前,Hopfield网络广泛地应用于优化计算和联想记忆。本文探究Hopfield网络模型在数据检索中的运用,提出新的解决方案,并指出该网络存在的问题。     

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．     

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.     

英语单词网络联想记忆

本文对各种不同的英语单词记忆法进行考察后 ,认为单词之间只有同时具备形与义的联系才是有效的联想记忆。文章提出了符合这一原则的数种记忆方法 ,共同构成网络联想记忆系统。学习者遵循它将大大提高记忆效率。     

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.     

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。     

英语单词网络联想记忆

本文对各种不同的英语单词记忆法进行考察后,认为单词之间只有同时具备形与义的联系才是有效的联想记忆。文章提出了符合这一原则的数种记忆方法,共同构成网络联想记忆系统。学习者遵循它将大大提高记忆效率。     

具有认知判别功能的自联想记忆神经网络模型

提出一种具有认判别功能的自联想记忆神经网络模型，对一个新的输入模式，当网络达到平衡点时，通过一种差别函数可差别该模式是否是网络中已存贮的模式，如不是则对其进行学习；如是则该平衡状态即为其联想结果，给出了模型及其学习规则，分析了网络吸引子半径与有关参数的关系及模型对输入模式的筛选作用，最后给出了计算结果。     

Hopfield连续神经网络平衡态局部指数稳定的充要条件

研究Ｈｏｐｆｉｅｌｄ连续联想记忆神经网络平衡点的局部指数稳定性,给出了Ｈｏｐｆｉｅｌｄ连续联想记忆神经网络的平衡点局部指数稳定的充要条件。通过引入特征函数的方法,得到了各记忆模式的指数吸收域的估计,以此可用来评价Ｈｏｐｆｉｅｌｄ连续反馈联想记忆的容错能力和模式恢复能力,且可用于综合更为实用的连续联想记忆神经网络。     

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.     

工科本科生毕业设计（论文）综合成绩的评定方法

该文就现行工科院校本科毕业设计（论文）现状,选用10个评价指标,由学生综合成绩等级与对应的评价指标关系提炼出5个等级理想评价指标,结合离散Hopfield神经网络的联想记忆能力,建立基于离散Hopfield神经网络的本科毕业设计（论文）综合成绩评定模型;将待评定的学生等级评价指标编码作为模型的输入,利用外积法对网络连接权值进行迭代学习,仿真结果显示,该模型能够快速、准确、直观地评定学生毕业设计（论文）环节的综合成绩。     

积分中值原理在面源模式计算中的应用

运用高等数学中积分中值原理，对ＨａｎｎａＧｉｆｏｒｄ提出的处理城市面源的“ＡＴＤＬ”手算模式进行了改进，提出了“积分中值法”的简单直接的算法，分别对考虑面源源高４ｍ和１０ｍ的情形进行了计算．结果表明：积分中值法比ＡＴＤＬ数值积分法简单、方便，用积分中值法一步计算的结果相当于用ＡＴＤＬ数值积分５０步的精度．此方法可以方便地应用于城市大气环境质量评价或规划．     

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．     

一种新的混沌神经网络模型及其动力学分析

提出了一种混沌神经网络模型。通过引入暂态混沌和时变增益,该网络比Hopfield型网络具有更加丰富和更为灵活的动力学特性,从而具有更强的搜索全局最优解或近似全局最优解的能力,它可以用于求解各种复杂的优化问题。大量的数字模拟表明网络能较好地解决Hopfield型网络的局部极值问题。     

Hopfield神经网络对供应商分类的研究

本文分析了供应商选择所涉及的各种因素及其相互关系,运用离散Hopfield神经网络模型,面对大量供应商评级数据,然后通过离散Hopfield神经网络的联想记忆能力,建立离散Hopfield供应商评级模型。从而减小评价分析决策中因个人主观性带来的偏差。这样使供应商选择的过程更条理化、层次化,企业对供应商的选择机制更具科学性。     

基于人工智能的创造性思维的方案探讨

针对创造性思维在人类思维中的重要作用.对创造性思维的模拟提供了创造计算的一种新方法.其中,逻辑思维采用了神经网络的BP算法来实现,直觉思维采用了Hopfield神经网络以及交叉变异等实现方法,论述了变异联想在直觉产生中的重要作用,并且建立了模拟直觉的计算模型.提出了采用直觉与逻辑互补构成创造性思维的观点,构造了创造性思维的认知与计算模型,给出了创造性思维模型的计算实例.     

三维异联想Hopfield模型

三维物体的识别是有重要应用意义的课题,神经网络模型是解决该复杂问题的一个途径。作者将神经网络模型表达为矩阵形式,提出异联想矩阵形式的Ｈｏｆｉｅｌｄ模型,从而提出了能较好地解决这一问题的新方案。与传统Ｈｏｐｆｉｅｌｄ模型相比较,该模型对三维物体的识别有较好的识别率,对神经网络的发展和实际应用有重要参考价值。