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.     

样本优选规则构造的Hopfield神经网络的联想记忆功能

从理论上推导采用样本优选规则的离散Ｈｏｐｆｉｅｌｄ网络的吸引子,发现该网络的存储容量达到Ｎ,并推导这些吸引子的引域,探讨网络的联想记忆功能。     

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。     

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2N,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.     

离散Hopfield网络的置换对称性与逆联想记忆

着重从理论上探讨离散Ｈｏｐｆｉｅｌｄ网络的置换对称性，同时根据采用样本优选规则构造的神经网络所具有的一种特殊的置换－不变置换的原则，建立一种新的联想记忆－逆联想记忆。     

时滞Hopfield神经网络的全局指数稳定性

利用时滞微分不等式,讨论了时滞Hopfield神经网络的全局指数稳定性,获得了几个判定条件。这些结论推广了已知文献中的结果。     

离散Hopfield神经网络的稳定性分析

利用能量函数推广了一些关于离散Hopfield神经网络稳定性结论，同时给出了稳定点存在的一个充要条件，最后给出了几个有趣的例子，揭示这类网络渐进行为的复杂性。     

基于LMI的中立型Hopfield神经网络的稳定性

为了更加深入地了解神经网络的复杂性,研究了中立型Hopfield神经网络模型,对该模型的稳定性的判定进行了探讨.通过构造合适的Lyapunov泛函,借助线性矩阵不等式(LMI)的一些技巧以及Lyapunov-Krasovskii稳定性理论,给出了该神经网络模型稳定的充分条件,以及模型稳定时中立项所必须满足的必要条件.给出的结果改进了已有的结论和方法,在一定程度上降低了求解的难度,在实际应用方面更加简捷方便.仿真实例表明了算法的有效性,以及所存在的保守性.     

An oscillatory neural network and dynamical associative memory

Ａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋｈａｓｒｅｃｅｎｔｌｙｒｅｃｅｉｖｅｄｃｏｎｓｉｄｅｒａｂｌｅａｔｅｎｔｉｏｎｆｒｏｍｖａｒｉｏｕｓｒｅｓｅａｒｃｈｆｉｅｌｄｓ．Ｍｕｃｈｅｆｏｒｔｈａｓｂｅｅｎｍａｄｅｔｏｗａｒｄｓｔｈｅｕｎｄｅｒｓｔ...     

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。     

双向联想记忆神经网络的全局指数稳定性

研究了带连续时延杂交双向联想记忆神经网络的全局指数稳定性 ,通过构造适当的Lyapunov泛函获得了与时延无关的充分条件且保证网络指数收敛到惟一稳定的平衡点 ,在证明过程中 ,并不要求突轴联结权的对称性和激活函数的单凋性与可微性 ,因此论文所推导的结果更具一般性。     

具有时滞的BAM细胞神经网络模型的周期解

文献[9]利用拓扑度理论、推广的Halanaly矩阵时滞微分不等式、Lyapunov原理以及Dini导数,研究了具有时滞的双向联想记忆细胞神经网络模型的全局指数稳定性。文章在文献[9]的基础上进一步给出周期解的存在性的判据,推广和改进了前人的相关结论,最后的数值例子说明:文中结果不仅保守性小,而且计算简单。