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.     

双向联想记忆神经网络的指数输入-状态稳定性

研究关于具有多个时滞效应和时变外部输入双向联想记忆神经网络模型的指数输入-状态稳定性分析。首先,建立了双向联想记忆神经网络模型,该模型具有多个时滞效应并且外部输入是时变的。而且模型中非线性神经元激励函数不要求是有界的,也不要求是光滑的。然后给出双向联想记忆神经网络指数输入-状态稳定性的一个定义,利用Lyapunov泛函和线性矩阵不等式-mX~TQX+2lX~TπY≤l2Y~Tπ~T(mQ)~(-1)πY和X~TY+Y~TX≤εX~TΛX+ε\Y~TΛ~(-1)Y的方法,获得含有多时滞效应和时变外部输入的双向联想记忆神经网络模型指数输入-状态稳定性的一个充分条件。     

双向联想记忆神经网络的指数输入 - 状态稳定性

研究关于具有多个时滞效应和时变外部输入双向联想记忆神经网络模型的指数输入-状态稳定性分析。首先，建立了双向联想记忆神经网络模型，该模型具有多个时滞效应并且外部输入是时变的。而且模型中非线性神经元激励函数不要求是有界的，也不要求是光滑的。然后给出双向联想记忆神经网络指数输入-状态稳定性的一个定义，利用Lyapunov泛函和线性矩阵不等式－mXTQX+2lXTπY≤l2YTπT(mQ)－1πY和XTY+YTX≤εXTΛX+ε\YTΛ－1Y的方法，获得含有多时滞效应和时变外部输入的双向联想记忆神经网络模型指数输入-状态稳定性的一个充分条件。
     

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。     

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.     

多比例时滞杂交双向联想记忆神经网络的全局指数稳定性

考虑多比例时滞杂交双向联想记忆神经网络的全局指数稳定性．应用Brouwer不动点定理证明了多比例时滞杂交双向联想记忆神经网络平衡点的存在性,再通过构造合适的Lyapunov泛函,获得了该系统平衡点全局指数稳定的时滞依赖的充分条件,该条件蕴含系统平衡点的唯一性,并给出了一个例子说明结论的有效性．     

国家重点项目“混沌神经网络模型和智能信息处理理论与实现技术”通过评审验收

20 0 1年 3月 2 3日 ,国家基金委对我校郑南宁院士和东南大学何振亚教授主持的国家自然科学基金重点项目“混沌神经网络模型和智能信息处理理论与实现技术”进行验收评议 .参加验收评议的专家成员为 :中国科学院沈绪榜院士 (组长 )、北方交通大学袁保宗教授、西北工业大学赵荣椿教授、中国科学院自动化所胡占义教授、西北工业大学王宝树教授以及国家基金委的有关负责人 .项目验收组认为 ,该项目组深入开展了混沌神经网络模型和智能信息处理理论与实现技术的研究工作 ,获得了如下主要创新成果 .(1)提出了联想记忆新模型 .将神经网络的状态演…     

面向防汛减灾VR-GIS的汛情虚拟场景演进方法研究

基于模糊神经网络和面向对象方法,对汛情虚拟场景及实现方法进行了研究,提出了基于模糊联想记忆网络FAM的汛情场景演进模型EFSM.EFSM采用多层模糊联想记忆网络,避免了大规模复杂数学计算,有效解决了防汛减灾VR-GIS平台的关键问题.     

多变量经济混沌时序的小波神经网络预测

提出了一种改进的小波神经网络,通过对C—D生产系统模型和财产管理模型中产生的经济增长混沌时序,进行多变量混沌时序的相空间重构,并采用改进的小波神经网络进行预测,证明其短期预测效果优于其他方法,说明该方法可以应用到经济增长混沌系统的预测中．     

含时延的双向联想记忆神经网络的指数吸引性分析

针对含时延的双向联想记忆神经网络模型具有多个对应于不同记忆模式的平衡点的特点,采用不等式技巧和非负矩阵性质,建立了平衡点指数吸引域及其指数收敛速度估计的方法,所得结论对含时延的双向联想记忆神经网的设计和容错性能的评价都很有意义。     

BP神经网络在旋转机械故障诊断中的应用

人工神经网络模型是在现代生物神经系统研究基础上建立的一种网状结构，是对人脑某些基本特性的一种简单的数学模拟。神经网络以其信息的并行分布式处理、联想记忆、自组织及自学习能力，在机械故障诊断领域显示了极大的应用潜力。本文就神经网络对给定知识的表达、联想、记忆能力及网络结构进行了研究，利用反向误差传播网络对旋转机械中四种典型故障进行了实例分析诊断，取得了令人满意的效果。     

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。     

基于神经网络的字母识别方法研究

利用Hopfield神经网络联想记忆的功能,对有噪声干扰的字母进行识别。     

三阶局域互联神经网络的关联存储

该文将局域互联神经网络的概念推广到三阶的情况，并对三阶局域互联神经网络的关联存储特性进行了计算机模拟。结果表明，与传统的三阶全局互联神经网络相比，三阶局域网的互联权重矩阵大大减小了，同时基本保持原有的全局关联存储能力，故更具实际应用价值。     

联想神经网络的风速序列预测分析

为了提高风速序列预测的可靠性,针对具有混沌特性的风速序列,构造了一种用于风速序列预测的联想网络。以风速序列的波动性作为相似性测度准则,构造联想网络的存储样本模式,根据存储模式中蕴含的关联信息完成网络的无监督学习,从而完成具有自相似性的风速序列的一步或多步预测分析。与传统前向型神经网络相比,该网络预测机理明确,预测结果唯一,且可一次给出多步预测结果。仿真实验结果表明,该网络的具有良好预测性能,适用于风速序列的动态预测。     

关于单层神经网络结构特征的一个结果

目前有许多神经网络模型以 Hebb 规则做为学习的基础.在 Hebb 规则中不包含神经元的几何结构信息.但对点数相同的二维点阵和一维点阵,大脑易于记忆二维点阵,因为它有更多的几何结构特征.Kohonen在中论述了生物神经网络的结构特征.本文在Hopfield 网络中引入几何结构信息,对其联想记忆过程做了理论分析和实验研究,试图研究单层神经网络的结构特征对联想记忆的影响,并探讨实现局域连接的可能性.1 Hopfieid 神经网络模型及结构信息的引入Hopfield在文中提出了一个神经网络离散模型.此模型中包括 N 个神经元,它们     

神经网络对带噪声汽车牌照的识别

提出一种用神经网络识别带有噪声字符的研究方法．采用单层反馈网(Hopfield网)模型及在模式中应用双联想记忆BAM网络的快速增强算法，对字符进行识别．得出此方法可正确联想出无噪声的原模式，而且具有更好的辨识率．     

An oscillatory neural network and dynamical associative memory

Ａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋｈａｓｒｅｃｅｎｔｌｙｒｅｃｅｉｖｅｄｃｏｎｓｉｄｅｒａｂｌｅａｔｅｎｔｉｏｎｆｒｏｍｖａｒｉｏｕｓｒｅｓｅａｒｃｈｆｉｅｌｄｓ．Ｍｕｃｈｅｆｏｒｔｈａｓｂｅｅｎｍａｄｅｔｏｗａｒｄｓｔｈｅｕｎｄｅｒｓｔ...