应用信噪比理论分析三维转动角神经网络模型的存储容量

人工神经网络是最近发展起来的十分热门的交叉学科,它涉及到生物、电子、计算机、数学和物理等学科,有着非常广泛的应用前景.本文讨论的是一类多值神经网络模型一一Q态三维转动角神经网络模型的存储容量 该模型是Hopfield神经网络模型、四态复数神经网络模型、复相角神经网络模型和多态四元数神经网络模型的推广,具有一定的理论研究价值;可以在灰度或彩色图像识别中得到应用.     

双层赝逆神经网络模型的动力学研究

人们对人工神经网络模型已经做了大量的研究工作,但是多数工作集中在建立模型及计算机仿真研究,解析的研究工作很少,其原因在于神经网络模型确实复杂,能够进行解析研究的模型甚少.对于存储容量及容错能力都优于Hopfield模型的赝逆模型(或正交化存储模型),Kanter等人用Replica方法得到它的相结构等重要内容.多层前馈赝逆模型也有理论结果,但是此结果是在神经元层数和每层神经元数趋向无穷大的情况下获得的,因此     

大规模类脑神经网络理论与方法

脑启发的脉冲神经网络被称为第三代人工神经网络,通过模拟神经动力学、事件驱动等计算特性捕捉时序信息和节能高效地进行计算,为人工智能领域的发展提供了新范式.大脑惊人的信息处理能力很大程度上归功于其庞大的网络规模和复杂的网络连接.构建大规模类脑神经网络为脑启发式的人工智能、神经形态计算以及多应用领域带来了突破性的进展.本文首先根据现有的研究,分类介绍了脉冲神经元模型、大规模脉冲神经网络模型与算法、深度训练框架和神经形态芯片等3个方面的计算原理和最新的研究进展,指出了目前大规模类脑神经网络研究的进展和存在的问题,随后重点论述了大规模类脑网络的神经形态视觉应用,包括神经形态视觉重构、极端场景目标检测等.最后,在总结已有研究成果的基础上,对该领域的研究现状给出了若干结论,同时指出了仍然存在的一些问题,并对未来研究的需求、期待与发展趋势进行了展望.     

欺骗的认知神经网络模型

欺骗是一种当事人有意试图让他人相信某种错误信念,从而为自己或他人获取利益或规避损失的心理过程.已有的研究为揭示欺骗的神经机制提供了启示,但欺骗这一复杂行为中大规模脑网络的整体性作用尚未得到足够的关注.本文总结了欺骗的相关理论和研究,以及欺骗行为涉及的认知和情感加工过程,并在此基础上提出了欺骗的认知神经网络模型.该模型中,欺骗行为产生于动力系统、情感系统、认知系统和执行系统之间的动态交互过程,而奖赏网络、突显网络、中央执行网络和默认网络的激活和相互作用是其背后的神经基础.模型建立了欺骗相关的研究和理论、心理过程、心理功能、脑区与神经网络之间的联系,并有望对欺骗行为及其神经机制作出更为整体性、系统化的解释.     

话说流媒体

随着宽带的日益普及,信息高速网络正进入人们的日常工作生活。据中国互联网络信息中心(CNNIC)2003年12月发布的第十三次中国互联网络发展状况统计报告显示,中国内地宽带(包括ADSL、CABLEMODEM等)上网用户数已达1740万,比2003年上半年增长了760万,在各类上网类型中增长最快。这就为我们通过宽带网络传送多媒体提供了广阔的市场空间。在网络上传播视音频主要有两种方式:下载和流式传输方式。后者我们称之为流媒体。下载,考虑到视频文件在保证质量的前提和现有技术条件下其文件存储容量是非常大的,如果将其先下载到本地硬盘再进行播放,…     

信息科学方法与神经网络研究

神经网络就其本质的功能来说乃是一种信息处理的系统,因此,以物质和能量为中心观念的传统科学方法论必然会在神经网络的研究中遇到困难,而探讨新的科学方法特别是信息科学方法,就成为神经网络研究以至其他智能信息系统研究的一项特别重要的任务。     

基于人工神经网络的数字识别技术研究

文章概括地讨论了神经网络通用模型的特征,在对典型的网络即BP网络的发展动态和进展进行了系统的分析基础上讨论了BP算法的基本概念、运行机制和一些关键性技术。     

关于两种神经网络模型动态范围的一点注记

Hopfield提出了一个连续状态的神经网络模型,使它与模拟电路直接对应。随后,大量的文献论述了这种网络的理论与应用,但它们都没有涉及网络神经元的输入动态范围问题,即理论上不能保证描述该网络的微分方程     

神经网络在蛋白质二级结构预测中的应用

本简要介绍了蛋白质二级结构预测的研究意义，简要地叙述了BP网络的原理，并且对于近年来用神经网络方法在蛋白质二级结构预测中的主要工作进展做了较为详细的评述。最后，介绍了人工神经网络在生物信息学中的应用前景。     

神经网络的学习和自组织(Ⅱ)

《神经网络的学习和自组织(Ⅰ)》一文分析了阶层型网络的学习算法。本文将介绍另一种主要网络——相互结合型网络的学习算法。与阶层型网络不同,相互结合型网络的任意两个节点之间都可以有连接,信号可以在网络中传来传去(图1),在70年代的时候,曾有人利用     

神经网络对硫代磷酰胺酯类化合物的QSAR研究

本文开始是应用神经网络函数连接网络FLN进行高活性除草剂硫代磷酰胺酯类化合物OSAR分析的,如图1所示.FLN原始输入模式各分量x_i经系列函数变换f_j(x_i)形成扩展分量x_j~E,组成增强输入模式,不经隐蔽层而直接与输出层神经元加权互连,网络输出为     

基于人工神经网络的数字识别技术研究

文章概括地讨论了神经网络通用模型的特征.在对典型的网络即BP网络的发展动态和进展进行了系统的分析基础上讨论了BP算法的基本概念、运行机制和一些关键性技术.     

纳米隧道二极管阵列神经网络结构的图像模拟

纳米隧道二极管阵列芯片可以作为一种高速并行运算的数据处理单元, 它是由大量纳米隧道二极管组成的细胞神经网络(CNN), 通过纳米隧道二极管和网络本身的特性可以在硬件层次上实现对数据的高速处理, 如图像的平滑、边界检测与加强等. 基于具有细胞神经网络结构的Ge纳米隧道二极管有序阵列, 将Esaki二极管这一古老的器件及其工艺作为现代的神经网络技术的硬件基础, 通过对这种纳米神经网络结构的模拟, 显示了这种结构在图像处理中的平滑、边界检测及加强的功能, 为进一步的实验研究提供了理论依据.     

KFCP-基于神经网络算法的小型复氟化物专家系统

本文运用神经网络算法,对复氟化物的形成规律作了研究,首先构造网络,使其输入节点分别对应着氟化物二元系中各金属元素的电负性x_A,x-B,离子折射度Re_A,Re_B,离子半径R_A,R_B和电荷数Z_A,Z_B,然后运     

二值神经网络的推理和矛盾分析

由节点和约束组成的约束满足网络(Constraint satisfaction networks,简称CSNs)能够描述许多问题,在AI中具有十分重要的地位.神经网络(Neural networks,简称NNs)能够被看作CSNs,而且被认为是适合于求解约束满足问题,因此NNs中必然有一个相应的逻辑理论.本文通过对比CSNs提出了弱推理理论和矛盾分析法,以研究二值神经网络的定性逻辑行为.文中用神经元(称为判决元)表示判决,连接表示判决元之间的柔性约束并执行     

体外培养神经元网络功能结构的长时间发育变化

神经功能结构的建立和维持是学习与记忆等高级功能的基础. 因神经网络的结构错综复杂, 节点行为多变且受多种因素的影响, 目前其拓扑结构的形成和维持机制尚不清楚. 基于多电极阵列系统, 本研究连续记录了体外长时间培养的海马神经元网络的自发放电活动; 利用不同电极放电序列之间的互相关系数映射功能连接强度, 构建网络拓扑结构图, 分析其发育特性. 对培养1~18周的3个样本的分析结果显示, 网络拓扑结构的形成和维持具有自组织和自解离特性: 网络连接建立期(1~3周), 邻近节点之间建立连接, 形成局域微网络; 随着网络的发育, 逐步形成多节点的复杂功能结构; 发育成熟期(12周后), 功能连接开始消退, 部分节点脱离网络, 网络聚集程度增加. 不同发育时期网络各节点连接强度的分布均符合幂率分布, 表明无外界输入的培养神经元网络是具有无尺度特征的复杂网络. 本研究有助于复杂神经网络结构的形成及维持机制分析, 为研究神经发育和神经系统信息处理机制提供新的视野.     

破译神经密码

破译神经密码万德芬译为了控制行为，中枢神经系统雇用了一万亿个神经元进行工作。所有这些神经元连接成深不可测的复杂ＮＩ经网络，从而使神经科学家而临一场研究神经网络如何工作的挑战。几十年来，许多神经生理学家臆断，神经元的信息量仅仅和它的引爆率有关，它将大量...     

电磁直驱驾驶机器人模糊神经网络车速控制方法及试验验证

为了实现不同驾驶循环工况的精确车速跟踪,提出了一种电磁直驱驾驶机器人模糊神经网络车速控制方法.通过电磁直线作动器直接驱动油门机械腿、制动机械腿、离合器机械腿和换挡机械手.给出了电磁直驱驾驶机器人控制系统结构和协调运动控制模型.在此基础上,设计了电磁直驱驾驶机器人模糊神经网络车速控制模型,电磁直驱驾驶机器人油门、制动、离合器机械腿和换挡机械手的位移作为网络模型的输入,试验车辆的车速作为网络模型的输出.输入变量的隶属度函数个数都为3,隶属度函数的类型都采用广义钟形函数,网络训练算法选用反向传播算法和最小二乘法相结合的混合学习算法.本文提出的方法与其他控制方法和人类驾驶员的驾驶性能进行了对比分析,试验验证了提出方法的有效性.     

ANN在地基沉降预测中的运用

地基沉降与其各指标间具有非线性的特征,而神经网络具有很强的处理非线性能力,本文通过采集样本,将样本分成两部分,一部分用于网络训练,与部分用于检测,结果表明,训练结果与检测结果一致。     

神经计算机

在历经了前几年的热潮后,神经网络研究开始步入实际应用的阶段.对神经网络的研究及将要问世的神经计算机并不能取代现有的计算机,尽管神经网络具有"学习"经验的独到功能,但它们并不能使现有的机器人演化成如电影"星球大战"中出现的C3PO那样的超智能机器人.现有的神经网络的本领绝超不过一般动物大脑的功能范围.然而研究人员和工业界却