一种基于稀疏指数联想记忆神经网络的图像识别方法

区别于一般的图像识别方法,指数联想记忆模型(EAM)是一种对数据分布无任何要求的非线性技术,具有指数级的存储容量和良好的容噪性能.随着实际的需求和被处理问题规模的扩大,EAM所采用的全互连结构将导致布线工艺上的困难而难以克服,限制了模型的VLSI(超大规模集成电路)硬件实现.通过在EAM中引入社会领域中广泛存在的"六度分离"现象,借鉴Watts和Strogatz提出的"小世界网络"理论对EAM进行了稀疏化改造.改造后的稀疏指数联想记忆模型(SEAM)不仅结构相对简单、易于硬件实现,而且仿真结果表明在灰度图像加噪和部分缺失的情况下,SEAM识别性能和全互连的EAM相当,表现出了较强的鲁棒性.     

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。     

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。     

基于联想记忆模型的模糊关系矩阵自学习机制

分析了模糊诊断原理与联想记忆模型的相似性，提出了一种递归的模糊关系矩阵自动获取及自学习方法，并成功就用于空气压缩机组的故障诊断，取得了满意的效果。     

基于联想记忆神经网络的故障诊断

以模拟人脑由部分记忆而联想整体的特点为基础,通过引入联想记忆衰减因子,改进了神经网络结构和学习算法,以应用于系统的故障及时诊断.     

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.     

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.     

基于分类思想的联想记忆神经网络

根据分类思想设计了2层反馈自联想记忆神经网络模型，它符合大脑联想记忆的分类思想，能保证每个样本模式为稳定状态，其吸引域在平均意义上达到最大值。     

基于Hopfield神经网络概念设计中联想记忆

对复杂产品的功能需求进行可计算的0-1向量表示,以及通过Hopfield神经网络的联想记忆功能,实现了产品概念设计过程中的联想记忆。避免了对图像检索的庞大计算量以及建立知识推理库的复杂过程。并且对Hopfield神经网络实现联想记忆的算法进行了改进,最后以液压泵的需求选型为例对此算法进行了验证,计算结果表明此算法能够较好地实现联想记忆过程。     

再谈基于分类思想的联想记忆神经网络

探讨了CANN网络的伪吸引子的情况，证明了网络最多只有1个伪吸引子，即所谓的“空白模式”，并设计出异联想记忆网络模型结构。     

基于自联想记忆算法的图像缩放研究

针对图像缩放中的问题,提出基于自联想记忆算法。首先确定自联想记忆最小上界和最大下界,自联想记忆每个层之间的神经元通过最近域互连接方式连接信息交替,能够在神经系统缺损信息时通过自联想记忆恢复出原来存储的完整记忆模式;接着所有神经元节点采用同步方式调整状态,利用均场定理加快自联想记忆神经网络学习速度;最后给出了图像缩放算法过程。实验仿真显示算法输出图像能够较好地保持原图像内容,峰值信噪比(PSNR)比较大。     

基于免疫联想记忆的病毒检测算法

针对现有算法只考虑未知病毒检测的片面性 ,论文综合借鉴生物免疫机制中一次反应的非选择思想和二次反应的联想记忆思想 ,提出了一种基于免疫联想记忆的病毒检测算法 ,该算法结合了免疫非选择对未知病毒的识别能力和免疫联想记忆对已识别病毒的学习记忆能力 .基于免疫联想记忆的病毒检测算法除能有效地检测未知病毒外 ,还能快速检测出已知病毒的变种或具有类似行为特征的病毒 .针对典型宏病毒的实验验证了本文算法的检测性能     

基于牛顿前向插值公式的联想记忆系统

基于牛顿前向插值公式提出一种对任意阶多维函数可实现无差逼近的新型CMAC联想记忆系统,详细讨论了该系统的原理、插值算法及训练规则,仿真实例表明了系统的可行性与有效性.该系统在信号处理、模式识别及高精度实时智能控制等领域具有广泛的应用价值.     

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．     

一种新型联想记忆神经网络

提出了一种新型联想记忆神经网络,记忆容量接近2^N,完全消除了假模式,具有多模式回忆能力,同时具有较高的记忆效率;模式的各个分量分别存储在网络的N个连接中,这些连接构成一个通过网络中所有神经元的被称为“模式环”的单环回路;网络中处理和传递的信号为神经元编号组成的序列,神经元执行一组处理这种序列的符号和逻辑运算;连接由“连接状态”和“禁止路径”组成,前者用于存储信息,后者用于抑制网络中出现的假模式。     

Using Quantum Associative Memory to Simulate the Brain Functions

To simulate the brain functions, a quantum associative memory combined with information preprocessing by a sparse coding model is presented. The sparse coding scheme is used to simulate the information transformation from retina up to primary visual cortex (V1) along the visual path and the quantum associative memory is used to simulate the pattern processing functions of the brain such as the pattern storing, forgetting and retrieving. Experimental results show that the model exhibits good associative ability on face recognition. Considering the huge storage capacity, mass parailel-distributed processing ability and oscillatory phenomena of the quantum system, this model might he a biological plausible implementation.     

0模糊联想存储器及自适应学习算法在地震预报中的应用

介绍了模糊联想存储器ＦＡＭ（ＦｕｚｚｙＡｓｓｏｃｉａｔｉｖｅＭｅｍｏｒｙ）的基本结构、ＦＡＭ的自适应学习算法以及ＦＡＭ推理机的原理，并成功地将其用于地震预报专家系统中．其成果表现为：在知识获取方面，用积空间聚类的方法，自适应地产生地震预报规则；在推理方面，用ＦＡＭ推理机实现了对结构性语言经验的综合推理．     

基于k边连通最小生成子图的网络拓扑管理算法

可移动社区依托于移动自组网,其特征决定了社区网络的临时性通信范围的有限性以及网络拓扑结构的高度动态性.利用图论的理论和方法,提出了一种基于k边连通最小生成子图的网络拓扑管理算法,算法以能量消耗等因素衡量链路的代价值,通过减少高代价的冗余链路来优化拓扑结构,能够较好地适应可移动社区拓扑管理的需求.实验结果表明:该拓扑管理算法有效地减少了网络整体能量损耗,延长了网络的生命周期.