基于分组划分的形态学异联想记忆研究

在输入模式无噪声的情况下,形态学异联想记忆不能够保证完全回忆记忆,针对这个瑕疵,提出了一种新的思路和方法——分组划分.该方法将原有输入模式对进行分组,逐一对分组后的模式对集合进行形态学操作计算,由局部到整体,进而实现形态学异联想记忆的完全回忆记忆.     

形态学联想记忆在图像联想识别上的应用

形态学神经网络是一类新颖的人工神经网络,但人们对它的研究,尤其是对于形态学异联想记忆的研究和应用,仍很不够.给出了形态学异联想记忆理论应用于图像的联想识别上的一般方法和步骤,并通过一个字符图像联想识别的实例,叙述了其应用原理与过程,对于推进形态学异联想记忆的应用研究将带来有益的参考.     

联想记忆激发机制的性质坐标表达

提出了以下联想激发机制的一个性质坐标模型，给出了事物本身属性激发事物整体表象的数学表达，进行了从事物的整体概念本身若干属性的联想机制的定性分析；讨论了两个事物通过其相似属性而达联想沟通的数学表达，其中，前两种属于自联想记忆机制，后者属于异联想记忆机制。     

形态学联想记忆在内隐学习中的应用

内隐学习的研究关系到人类潜能开发的根本问题,是认知心理学研究的热点和难点.传统人工神经网络能够成功地模拟内隐学习,但模拟过程存在许多弊端,模拟效率也非常低.针对这些问题,采用形态学联想记忆网络(MAM)去解决.MAM不仅能够实现内隐学习的模拟,而且可以克服传统人工神经网络在模拟内隐学习时的各种缺陷,实验表明了该方法的有效性.     

增强型模糊形态学联想记忆的改进

为了克服增强型模糊形态学联想记忆(EFMAM)的网络规模随训练样本数目的增加而急剧增大的缺点,使其硬件实现更为容易,对原始EFMAM的网络体系结构进行了约简.在相似度空间中,定义一个基于概率("软")相似度分配的准则以评价约简矩阵A,再利用遗传算法搜索其最佳解.实验表明,约简后的EFMAM节约了计算时间和存储空间,易于硬件实现,同时其识别性能相对于原始EFMAM并未明显降低.     

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。     

增强型模糊形态学联想记忆的改进

为了克服增强型模糊形态学联想记忆（EFMAM）的网络规模随训练样本数目的增加而急剧增大的缺点，使其硬件实现更为容易，对原始EFMAM的网络体系结构进行了约简．在相似度空间中，定义一个基于概率（“软”）相似度分配的准则以评价约简矩阵A，再利用遗传算法搜索其最佳解．实验表明，约简后的EFMAM节约了计算时间和存储空间，易于硬件实现，同时其识别性能相对于原始EFMAM并未明显降低．     

联想记忆法在数学教学中的运用

抽象的数学概念和众多的数学公式常常给学习者带来记忆中的困难.采用恰当的记忆方法,可以收到良好的记忆效果.针对记忆内容的特点,论述数学教学中如何运用好联想记忆法.     

双向联想记忆神经网络全局渐近稳定的一个结果

利用李雅普诺夫泛函方法结合一些分析技巧证明了双向联想记忆神经网络平衡点全局渐近稳定的充分条件。这些条件对设计双向联想神经网络具有一定的意义。     

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.     

形态双向联想记忆网络的摄动鲁棒性研究

针对训练模式对的小幅摄动可能会对神经网络的输出产生副作用的问题,该文研究了形态双向联想记忆(MBAM)网络和模糊形态双向联想记忆(FMBAM)网络训练模式对的摄动鲁棒性。比较了训练模式对摄动前后2种网络输出范围的变化,理论证明了MBAM和FMBAM 2种网络的摄动鲁棒性。理论和仿真实例表明:MBAM网络对训练模式对的摄动全局拥有好的鲁棒性,其训练模式对的选取可以适度粗糙;而FMBAM网络对训练模式对的摄动不具有好的鲁棒性,则其训练模式对的选取精度要求较高。     

What can false memory tell us about memory impairments in Alzheimer’s disease?

The range of memory impairments associated with Alzheimer’s disease (AD) has been a focus for psychological and clinical re-searchers for many years. In addition to investigations of AD patients’ veridical memory using traditional recognition memory tasks, a number of recent studies have focused on false memories to reveal the underlying causes of memory impairment in AD. Studies comparing illusory memories between AD patients and healthy older people have revealed various differences in memory deficits between the development of AD and the typical aging processes. Here, we review 3 types of memory illusions tested in AD patients: associative memory illusions, fluency-based false memories and source memory errors. By comparing AD patients with healthy older adults, we sought to analyze the mechanisms underlying AD-related memory impairments at different stages of memory processing, including encoding, retrieval and monitoring. This comparison revealed that AD patients exhibit an impaired ability to establish and utilize gist representations at the encoding stage and impairments in processing on the basis of familiarity and recollection at the retrieval stage. Consequently, patients with AD have access to less information when making memory judgments. As a result, they become more susceptible to the effects of item fluency, which can be manipulated during the retrieval stage. Furthermore, with impaired source memory monitoring abilities, the capacity of AD patients to suppress memory illusions is compromised. Based on these findings, we propose that the study of false memories constitute a critical tool for elucidating the memory impairments involved in AD. Further explorations of these memory impairments will have practical significance for the diagnosis and treatment of AD in the future.     

混合故障模型下离散Hopfield联想存储器的鲁棒性

离散 Ｈｏｐｆｉｅｌｄ 联想存储器（ Ｄ Ｈ Ａ Ｍ）在联想记忆方面有很大的优点,但是在硬件实现过程中存在着各种故障。对于软硬故障同时存在情况下 Ｄ Ｈ Ａ Ｍ 的性能进行分析是很有必要的。该文对 Ｄ Ｈ Ａ Ｍ 建立了同时包含权值误差、权值断路、神经元输出固值等各种软、硬故障的故障模型,定义了概率意义下 Ｄ Ｈ Ａ Ｍ 的鲁棒性。运用概论统计的方法推导出了运行于同步方式下 Ｄ Ｈ Ａ Ｍ 的鲁棒性,推导中对结果进行了近似处理。对 Ｄ Ｈ Ａ Ｍ 系统进行了仿真实验,与利用这种鲁棒性分析方法计算进行了对比,结果相差非常小,证实了此方法的正确性,可以用于 Ｄ Ｈ Ａ Ｍ 的可靠性计算。     

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。     

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．     

基于广义形态骨架的拐点检测方法

提出了一种基于形态骨的快速拐点检测方法,该方法基于物体条件骨架原理,采用改进的非对称开运算算子,利用内外骨架检测物体的凸点和凹点,以实现对所有拐点的检测;对于有噪声图像根据多刻度滤波原理采用较大的结构算子去噪,使预处理和检测在算法上实现统一,实验表明,该统一算法检测准确度高,抗噪性能好、具有旋转不变性、计算量小、硬件实现简单。