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.     

二维具时滞Hopfield神经网络动力学行为研究

Hopfield神经网络模型是对人脑神经网络的某些机理与机制的抽象,它可以模拟大脑实现联想记忆和优化计算等方面的功能.本文对一类二维具时滞的Hopfield神经网络模型进行了理论分析,给出了系统可能出现的稳定平衡点、周期解以及混沌奇异吸引子的参数选取信息,并在理论分析的基础上进行了数值模拟,用计算机描绘出解曲线图.本结果对人工神经网络的应用提供参数依据.     

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．     

分形神经网络中的收敛性

近年来,许多学者对具有联想记忆功能的神经网络模型进行了广泛研究,提出了多种模型结构和学习算法,其中有代表性的是 Hopfield 模型。但该模型的记忆容量很有限,误差校正能力也不强。所以,寻找高性能的新的联想记忆模型,是神经网络研究中的一个重要内容。     

一种设计离散型Hopfield神经网络权值的新方法

在Hebb学习规则的基础上,提出一种设计离散型Hopfield神经网络权值的新方法,用该方法设计的网络能够对多个非正交记忆样本进行正确的回忆.通过理论证明和Matlab仿真,说明了新设计方法的正确性和可行性.     

基于改进Hopfield神经网络的手写字符识别

针对传统Hopfield神经网络无法对非正交学习模式进行正确回忆的问题，在Hebb学习规则的基础上，提出了一种改进的Hopfield神经网络．通过在学习阶段对连接关系矩阵进行修正，改进后的Hopfield神经网络能够对其学习模式进行正确的回忆，实验证明了其对手写字符有着较好的识别效果．     

一种具有连续滞后神经元的Hopfield网络求解TSP问题的算法

提出了一种具有连续滞后神经元的Hopfield神经网络体系结构,有效地解决旅行商问题(TSP).对连续滞后神经元的Hopfield神经网络结构和整个网络的计算性能进行了研究.理论上通过模拟随机生成的具有连续滞后神经元的Hopfield神经网络证明网络的优越性.通过模拟TSP问题的应用来说明此算法的计算效率.仿真结果表明,具有连续滞后神经元的Hopfield神经网络在解决TSP问题时,无论从处理时间和解决质量上来看都优于传统的Hopfield神经网络和二元连续Hopfield神经网络.     

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。     

联想Hopfield神经网络样本稳定性的判别方法

针对基于Hebb学习的离散Hopfield神经网络，论述了实现联想记忆功能的基本方法及其样本稳定性的基本思想。根据所存在的问题，提出了判别样本稳定性的充要条件，以及判别样本稳定的一个充分条件，使判别样本是否稳定变得简单易行。最后给出了判别样本稳定的矩阵表示形式，并对给出的定理以及推论给予了证明。     

基于离散Hopfield神经网络的突发事件连锁反应路径推演模型

突发事件及其引发的连锁反应会造成严重的灾害后果,如果事先知道突发事件可能引发的连锁反应路径,就可以提前做好断链减灾工作.因此,提出一种基于Hopfield神经网络的突发事件连锁反应路径推演模型.该模型用Hopfield神经网络表示一般的突发事件网络,用Hopfield神经网络的运行规则表示突发事件连锁反应的原理,并设置神经元阈值,将突发事件连锁反应路径的推演过程映射为Hopfield神经网络的演化过程,通过运行Hopfield神经网络推演初始突发事件的一条连锁反应路径.最后,用该模型推演了地震引发的连锁反应路径,验证了该模型的合理性.     

基于CNN-BiLSTM的脑电情绪分类模型及验证

情绪在人们的思考、行为和交流方式中起着重要作用。为提高脑电信号的情绪识别准确率,充分利用脑电信号的频率、空间和时间维度上的信息,提出一种基于CNN-BiLSTM(convolutional neural networks-bidrectional long short term memory)的脑电情绪分类神经网络模型。该模型由卷积神经网络和多层特征融合的双向长短时神经网络构成,卷积神经网络用于学习脑电信号的频率和空间特征,双向长短时神经网络则从卷积神经网络的输出中挖掘脑电切片之间的时序信息。借助离散情绪模型的SEED(sjtu emotion eeg dataset)数据集和连续情绪模型的DEAP(database for emotion analysis using physiological signals)数据集来进行情绪分类实验。实验结果表明,在SEED和DEAP两个数据集上,CNN-BiLSTM模型均取得了目前最好的情绪分类性能。此外,该模型的时序信息挖掘模块性能优于单层长短时神经网络,能够学习更多的时序信息。     

多尺度卷积循环神经网络的情感分类技术

结合卷积神经网络对于特征提取的优势和循环神经网络的长短时记忆算法的优势,提出一种新的基于多尺度的卷积循环神经网络模型,利用卷积神经网络中的多尺寸滤波器提取出具有丰富上下文关系的词特征,循环神经网络中的长短时记忆算法将提取到的词特征与句子的结构联系起来,从而完成文本情感分类任务.实验结果表明:与多种文本情感分类方法相比,文中算法具有较高的精度.     

广义记忆及其物质基础

本文定义广义记忆为信息的储存,从而在一个十分广泛的基础上来探讨与信息储存有关的各种生物和非生物现象。广义记忆是广义进化的必要条件之一。本文提出了神经记忆的基因选择性激活假设,并且对记忆的亚分子机制进行了初步探讨。     

大功率人工神经网络模型研究

神经网络是可以对连续或断续式的输入作状态响应的动态系统。由于大、小功率的晶体管都可对连续或断续式的输入作状态响应 ,因而均可用来作为神经器件构造的基石。出于这一考虑 ,该文提出了功率神经网络的概念 ,基于功率神经网络 ,可以设计出神经变压器等全新的功率仪器设备。这些仪器设备的特点是体积小、重量轻、效率高 ,且具有学习、自适应、容错、记忆等智能功能     

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。     

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。     

视听工作记忆的相位同步与跨频耦合研究

为了深入了解视听工作记忆中的神经机制和节律耦合规律,采集了视听工作记忆任务脑电数据,通过时频分析确定关键节律及核心电极,并使用多变量模式分析确定关键时间段。theta相位同步在记忆呈现期至关重要,其中额颞叶同步参与听觉记忆,额顶叶同步参与视觉记忆,而theta和alpha的跨频耦合只在特定记忆模态的相关脑区有显著增强。工作记忆任务相关脑区通过远端theta同步协调中央执行功能,alpha同步协调记忆存储缓冲功能,theta-alpha耦合整合不同模态功能间的信息,揭示了视听模态工作记忆的部分神经机制。     

分子模型自动生成的知识库方法

分子结构知识库是基于知识库的分子模型自动生成算法的关键部分。知识库中的知识单元为单个原子的几何构型数据，其中包含原子所处化学环境的信息。生成结构时通过在知识库中进行相似性搜索，确定所采用的知识项，用这种方法生成的分子模型质量已接近于国外的商品化软件。     

有限离散属性网络模型及分类搜索方法

记忆是思维的源头,如何高效组织与存储信息是机器智能活动的前提,利用神经网络的结构思想、数据库表的映射作用、属性论的事物表达思想构造的属性网络模型能有效组织与存储信息,从根本上解决存储容量和渐进学习问题,使分类搜索变得非常简单.     

忆阻器类脑神经突触的研究进展

大脑之所以能够控制人和动物的复杂生命活动,使生物体在多变的自然环境得以生存,得益于大规模神经网络中高效、快速、精准的信息传递。神经突触作为神经元之间信息传递的重要机构,保证了神经网络的高效运转,因此构建具有神经突触功能的电子突触是研究仿生系统和类脑神经网络的必经之路。研究人员尝试各种电子元件对神经突触进行模拟,其中忆阻器由于其独特的器件结构和具有“记忆特性”的电学性能,成为构建类脑神经突触的最佳选择。文章全面概述近年来忆阻器模拟神经突触的研究进展,包括忆阻器模拟神经突触的可塑性、再可塑性、非联想学习、联想学习等功能,总结了忆阻器神经突触在人工神经网络中的应用、存在的问题和挑战,并对忆阻器神经突触的研究进行展望。