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．     

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.     

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。     

具有模糊联想神经网络的自组织模糊控制器

在分析了几种用神经网络实现的模糊控制器不足的基础上，提出一种用模糊联想记忆神经网络实现的自组织模糊控制器；该控制器由２个模糊联想记忆神经网络分别记忆校正规则表和修正控制规则表，并通过网络权值矩阵的在线修正完成控制规则的实时修正。模糊推理则由网络的自联想功能完成。     

模糊神经网络的记忆

讨论了一种模糊神经网络实现记忆的条件和记忆的特点,并给出了样本组格子点分布的概念。通过定理,证明了在这种情况下,样本组可被模糊神经网络所记忆;证明了若样本组前n-1个样本和整个样本组的模糊矩阵的秩相等,则权向量不能调整, 否则会使模糊神经网络“丧失记忆”同时,也说明了选择记忆法所采用的选择方法中减少运算量,又可保证网络的记忆。     

一种记忆元网络自适应控制方法

本文提出了一种神经网络自适应方法。该方法采用记忆元网络采用记忆元神经网络进行对象模型辩识,用单个神经元实现了自适应ＰＩＤ 控制器。被控对象输出误差经记忆元辩识网络反传后得到控制器的输出误差,以此修正控制器网络权值,由于记忆元网络无需引入延迟算子,能够逼近任意阶线性动态,保证了模型辩识的精度和误差返传的精度,神经元ＰＩＤ 控制器具有极为简单的结构与算法,保证了自适应控制的实时性,大量仿真结果表明该方法可以有效地应付非线性对象。     

离散Hopfield网络的置换对称性与逆联想记忆

着重从理论上探讨离散Ｈｏｐｆｉｅｌｄ网络的置换对称性，同时根据采用样本优选规则构造的神经网络所具有的一种特殊的置换－不变置换的原则，建立一种新的联想记忆－逆联想记忆。     

关于神经网络高阶连接的张量描述及动力学分析

神经网络中与联想记忆密切相关的两个动力学性质是网络的稳定性和吸引性，针对高阶连接网络，首先讨论了通常所用的Ｈｅｂｂ规则下网络的稳定性和吸引性问题，由于Ｈｅｂｂ规则对于正交或近似正交的原型模式才有较好的联想记忆能力，故文中又针对一般线性无关模式，给出了保证这些模式稳定平衡点的高阶连接权的秩１张量形式，该形式可看作高阶连接的伪逆规则，通过对网络稳定性和吸引性的分析，得出一些充分条件，这些条件对高阶网的     

基于改进的长短期记忆网络的调制识别算法

自动调制分类技术是无线通信技术中的一个重要研究领域,卷积神经网络以及长短期记忆网络(Long Short-Term Memory,LSTM)两种深度学习模型在基于特征的自动调制分类技术中得到了广泛的应用.然而在实际应用中这两种模型都存在着一些问题,卷积神经网络模型在处理长时间依赖序列的分类任务时的准确率不佳,LSTM模...     

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。     

Motor learning in a recurrent network model based on the vestibulo-ocular reflex.

Most models of neural networks have assumed that neurons process information on a timescale of milliseconds and that the long-term modification of synaptic strengths underlies learning and memory. But neurons also have cellular mechanisms that operate on a timescale of tens or hundreds of milliseconds, such as a gradual rise in firing rate in response to injection of constant current or a rapid rise followed by a slower adaptation. These dynamic properties of neuronal responses are mediated by ion channels that are subject to modulation. We demonstrate here how a neural network with recurrent feedback connections can convert long-term modulation of neural responses that occur over these intermediate timescales into changes in the amplitude of the steady output from the system. This general principle may be relevant to many feedback systems in the brain. Here it is applied to the vestibulo-ocular reflex, whose amplitude is subject to long-term adaptive modification by visual inputs. The model reconciles apparently contradictory data on the neural locus of the cellular mechanisms that mediate this simple form of learning and memory.     

Hopfield型连续反馈神经网络的全局指数稳定性

研究了Ｈｏｐｆｉｅｌｄ型连续反馈神经网络的全局指数稳定性,给出了平衡点的全局指数稳定性的充分条件,这些条件有利神经计算,同时对于Ｈｏｐｆｉｅｌｄ型连续反馈神经网络的设计和应用都很有意义。     

基于竞争的联想存储器学习算法

提出两种基于竞争的神经网络联想存储器学习算法—CC算法和ACC算法 ,并证明算法得到的神经网络对任一输入模式的竞争收敛性 ,由CC算法得到的网络 ,利用 p n个神经元存储p个n维样本模式 ;每个样本点都是吸引中心 ,不存在假吸引中心 ;对任一输入模式 ,总被吸引到与之海明距离最小的样本点上 ;不产生拒识点 .ACC算法是CC算法的改进形式 ,所得网络可在自适应学习中收敛 ,竞争次数较CC算法大大降低 本文算法得到的网络在存储容量、容错能力方面好于Hopfield联想存储器及作为联想存储器使用的BP网络 .     

神经网络在机械系统故障诊断中的应用

近年来，神经网络已成为当代人工智能研究领域的一个热点，工程界也表现了极大的热忱，期望它在解决一些长期以来用传统方法难以解决的问题方面能发挥突破性作用。本文较为详细地探讨了神经网络双向联想记忆法在机械系统故障诊断中的应用。研究表明，该法能大大提高故障诊断的智能水平和实时处理能力，为机械系统故障诊断开辟了一条新途经。     

Truth Discovery with Memory Network

Truth discovery aims to resolve conflicts among multiple sources and find the truth. Conventional methods for truth discovery mainly investigate the mutual effect between the reliability of sources and the credibility of statements. These methods use real numbers, which have a lower representation capability than vectors to represent the reliability. In addition, neural networks have not been used for truth discovery. In this work, we propose memory-network-based models to address truth discovery. Our proposed models use feedforward and feedback memory networks to learn the representation of the credibility of statements. Specifically, our models adopt a memory mechanism to learn the reliability of sources for truth prediction. The proposed models use categorical and continuous data during model learning by automatically assigning different weights to the loss function on the basis of their own effects. Experimental results show that our proposed models outperform state-of-the-art methods for truth discovery.     

非线性信道判决反馈递归神经网络自适应均衡器

针对存在严重符号间串扰及轻度非线性畸变的数字信道，提出了一种判决反馈递归神经网络为均衡器，它将传统的线性信道判决反馈结构巧妙地融入递归神经中，在自适应训练时用期待２信号代替判决反馈信号。     

自联想映射存储器——一种新的非线性人工神经网络存储器模型

提出了一种基于图论理论的新的非线性人工神经网络存储器模型—自联想映射存储器。该存储器借助一种特殊的矩阵逻辑异或（ＸＯＲ）运算和存储器结构,可以实现大容量信息的动态存储和自联想记忆功能,具有结构简单,存储容量大和良好的动态特性,是一种理想的实时计算机信息处理系统信息存储器。     

递归神经网络预测在库存管理决策中的应用

为解决供应链中库存管理的不确定性问题，建立了基于递归神经网络技术的需求预测模型，并在此基础上提出了该模型的学习算法．通过实验仿真将该模型同经典多层前馈神经网络模型的预测效果相比较，得出了该模型在多步预测方面比较优越的结论．利用某企业的销量预测进行了实例验证，效果良好．     

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．