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。     

具有认知判别功能的自联想记忆神经网络模型

提出一种具有认判别功能的自联想记忆神经网络模型，对一个新的输入模式，当网络达到平衡点时，通过一种差别函数可差别该模式是否是网络中已存贮的模式，如不是则对其进行学习；如是则该平衡状态即为其联想结果，给出了模型及其学习规则，分析了网络吸引子半径与有关参数的关系及模型对输入模式的筛选作用，最后给出了计算结果。     

基于残差补偿的极限学习机自编码器

极限学习机自编码器作为无监督降维方法,通过重构输入数据来提取原始样本特征,具有学习速度快、泛化性能高等优势.但经典极限学习机自编码器表示能力有限,使得重构输出和原始样本之间的残差不可避免.因此借鉴残差补偿思想,提出基于残差补偿的极限学习机自编码器,通过不断对重构残差补偿式学习来改善ELM-AE的表示能力.在6个公开数据集上进行K-means聚类实验,结果表明基于残差补偿的极限学习机自编码器(RCELM-AE)能够有效提高聚类准确率.     

基于残差神经网络的滚动轴承故障诊断方法

针对轴承故障诊断方法在变工况条件下诊断效果不佳的问题,提出了一种基于残差神经网络的滚动轴承故障诊断方法.该方法首先以滚动轴承时域信号数据作为输入,针对信号的时变性改进了数据池化层,改进的数据池化层利用三个连续的卷积层串联构建而成,目的在于能够有效地提取振动信号中的故障特征信息,并减少残差神经网络中参数的计算量;然后设计了一种空洞卷积和残差块相结合的空洞残差块,用于特征信息的学习;最后通过在全连接层后加入Dropout层丢弃一定比例的神经元,能有效避免过拟合的负面影响.使用凯斯西储大学轴承数据集进行仿真实验,与SVM+EMD+Hilbert包络谱、BPNN+EMD+Hilbert包络谱和Resnet三种方法作对比分析,结果表明该方法在变工况下的滚动轴承故障诊断中具有更高的诊断准确率、更强的抗噪性和泛化能力.     

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.     

一种基于联想神经网络的矢量编码

利用种经网络稳定记忆的吸引战能把输入矢量聚类的特性，本文讨论了一种改进的Hopfield离散神经网络用作矢量编码，这种方法能获得较高的数据压缩比和较小的压缩失真。     

基于神经网络自联想的数字图像水印算法

基于神经网络自联想记忆功能,提出了一种新的数字图像水印算法.首先将水印信息存储到神经网络中;再将其分别嵌入到原始图像小波分解的近似系数分量和细节系数分量中,采用嵌入水印过程的逆过程提取水印;最后利用神经网络对提取出的水印图像进行后处理.实验结果表明所提方法在满足水印的不可感知性的前提下,对多种攻击,如JPEG压缩、加性和乘性噪声干扰、滤波、剪切等具有较强的鲁棒性.     

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。     

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。     

一种指数型动态神经网络的定性分析

研究了由Ｔ．Ｄ．Ｃｈｉｕｃｈ和Ｒ．Ｍ．Ｇｏｏｄｍａｎ在１９８８年提出的指数型动态神经网络，给出了给定标准模式为该网络稳定点的一个简明的充分条件，并得到了这类稳定点的一步收敛半径。指出在概率意义下系统不存在伪稳态。     

一种新型的模式联想器

提出了一种新型的模式联想器,并将它应用于手写体英文字符的识别。由于该模型的训练和回忆的数学运算简单,易于理解,而且运算速度非常快,因此便于计算机模拟。此外,由于网络突触间的二进制权值,它很适合于数字VLSl技术的硬件实现。     

多值光谱自联想反馈神经网络

将神经元状态取值的多样化和光谱自联想反馈神经网络的理论相结合,提出了多值光谱自联想反馈神经网络,有效扩展了Ronald G. Spencer提出的光谱自联想反馈神经网络.多值光谱自联想反馈神经网络的优势,主要在于有效扩大了网络神经元状态的取值范围,使其不仅能存储两级样本,亦可存储一些其他值,这样能使神经元之间的联系更为紧密.实验结果亦表明其优越性更加适应于在通信领域中应用.     

一种新的自组织神经网络算法

为有效提高矢量量化码书的性能和学习效率,需进一步改进自组织神经网络的学习算法.在分析Kohonen自组织特征映射算法(SOM)的基础上,提出了一种基于频率敏感的自组织特征映射算法(FSOM),并应用到图像矢量量化中,实验表明,FSOM算法具有聚类特性好和训练速度快等优点,是一种有效的码书设计算法.     

一种3D残差神经网络视频行人动作分类改进方法

对于视频行人动作分类方法中,卷积神经网络模型对时域信息理解能力不足的问题,针对拥有深层的3D残差卷积神经网络提出一种联合计算方法,使深层特征的时域信息差异与损失差异共同参与模型的梯度下降过程,提升网络所学特征对时域信息的稳健表达,改进网络对时域信息的理解能力。经仿真实验证明,3D ResNeXt-101网络在添加了联合计算方法后,对UCF-101和HMDB-51数据集的测试准确度都有不同程度的提升,网络模型的性能经由联合计算方法的辅助得到了增强。     

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。     

联想记忆神经网络的学习算法设计

提出了联想记忆神经网的学习算法，并给出了算法的收敛性定理。     

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。     

一种温度自补偿光电转换电路

半导体发光、光敏器件的特性受温度影响较大，常成为光学式传感器的一大误差来源。本文介绍的光电转换电路，适于模拟式光学传感器。在－２０℃至１００℃之间，可使传感器的光电转换输出随温度变化小于±０．１％。