两种意识神经相关活动

神经科学家一直在努力寻找意识的神经相关活动。本文提出了一个包含两种意识神经相关活动的理论框架。觉性意识是主观的经验和感觉。而评估性意识则是认知系统中普遍存在的信息,可以用来进行推理、演讲和高级行为控制。通过信号检测理论可以对觉性意识和评估性意识的神经相关活动进行区分。认知神经科学领域的最新发现为两种意识神经相关活动理论提供了证据支持。     

Hopfield连续神经网络平衡态局部指数稳定的充要条件

研究Ｈｏｐｆｉｅｌｄ连续联想记忆神经网络平衡点的局部指数稳定性,给出了Ｈｏｐｆｉｅｌｄ连续联想记忆神经网络的平衡点局部指数稳定的充要条件。通过引入特征函数的方法,得到了各记忆模式的指数吸收域的估计,以此可用来评价Ｈｏｐｆｉｅｌｄ连续反馈联想记忆的容错能力和模式恢复能力,且可用于综合更为实用的连续联想记忆神经网络。     

具有联想功能的时滞神经网络的渐近稳定性

利用Razumikhin条件和具体的Lyapunov函数,讨论了Hopfield模型平衡点的稳定情况。对两类不同的时滞模型进行的不同的研究,得到了时滞相关和时滞无关的条件：时滞相关条件是当时滞适当小时,滞后模型和无滞后模型具有相同的稳定性,并给出了滞后界限的估计;时滞无关的条件则要求系数有较强的条件。     

联想思维在语文学习中的应用

联想思维是人的基本心理活动之一，也是人们习得的基本能力之一。本文从联想思维的类型、特点等方面出发，论述了在语文教学与学习中训练学生联想思维的重要性和途径。     

形态学联想记忆在内隐学习中的应用

内隐学习的研究关系到人类潜能开发的根本问题,是认知心理学研究的热点和难点.传统人工神经网络能够成功地模拟内隐学习,但模拟过程存在许多弊端,模拟效率也非常低.针对这些问题,采用形态学联想记忆网络(MAM)去解决.MAM不仅能够实现内隐学习的模拟,而且可以克服传统人工神经网络在模拟内隐学习时的各种缺陷,实验表明了该方法的有效性.     

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。     

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。     

一类非对称神经网络的稳定性研究

本文将一类非对苏联想神经网络化为一类个关于扰动量的网络模型，然后给出了这类网络输出空间能量函数与状态空间的状态平衡点的关系，并且研究了此函数的存在性．     

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。     

An Incremental Time—Delay Neural Network for Dynamical Recurrent Associative Memory

An incremental time-delay neural network based on synapse growth,which is suitable for dynamic control and learning of autonomous robots,is prooposed to improve the learning and retrieving performance of dynamical recurrent associative memory architecture.The model allows steady and continuous establishment of associative memory for spatio-temporal regularities and time series in discrete sequence of inputs.The inserted hiddewn units can be taken as the Long-term memories that expand the capacity of network and sometimes may fade away under certain condition.Preliminary experiment has shown that this incremental netwrok may be a promising approach to endow autonomous robots with the ability of adapting to new data without destroying the learned patterns.The system also bendfits from its potential chaos character for emergence.     

超立方体的3－独立集及其在神经联想存储器中的应用

用Ｉ３（ｎ）表示ｎ－立方体Ｑｎ的３－独立数。提出了构造Ｑｎ的３－独立集的一个算法，证明了２ｎ－［ｌｏｇ２ｎ］－１≤Ｉ３（ｎ）≤［２ｎ／（ｎ＋１）］．这些结果被应用于神经联想存储器的设计．     

双向联想记忆(BAM)神经网络系统的指数稳定性

研究一类具有分布时滞的双向联想记忆(BAM)神经网络系统的指数稳定性.通过构造合适的Lyapunov泛函并利用不等式分析技巧,得到了保证系统平衡点全局指数稳定的充分条件.所得结果是新的,不同于先前已有的一些结果.最后通过数值例子说明了所得结果的可行性和有效性.     

一类神经网络稳定性与联想记忆的分析

分析了具有代表性的一类神经网络的稳定性与联想记忆问题.首先定义一种新的能量函数,由此分析网络的稳定性,推得了保证网络平衡点是渐近稳定平衡点所满足的条件,从而使网络可用于联想记忆.所得条件与 A.Guez 所得结论对比发现,在某些情况下两者是一致的,在另外一些情况下,两者并不等价.另外,还得到了比 A.Guez 结论更具普遍意义的保证网络运行点为渐近稳定平衡点的有关定理,扩展了 A.Guez 的结论.     

随机噪音对两类联想记忆神经网络特征参数的影响

用数值模拟的方法研究随机噪音对Hopfield神经网络和整体优化网络吸收率Pt otal的影响,得到以下结果:随机噪音可以缩短整体优化网络记忆相区和混合相区的收敛时间.在合适的外加随机噪音的作用下,神经网络系统一些特征参数会得到显著改善.     

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。     

具有时滞的BAM细胞神经网络模型的全局指数稳定性

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。去掉了有关文献中要求输出函数 fj在实数集R上有界的务件,给出了条件要求更弱的判定平衡点的存在唯一性以及全局指数稳定性判 据,推广和改进了前人的相关结论。     

小波神经网络用于原子半径的研究

采用原子的第一电离能与原子的核外电子分布作为输入参数,使用已知的半径值作为训练样本,对小波神经网络进行了训练并成功地预报了８６种元素的原子半径,较完整地补充了共价半径、金属半径与范德华半径标度方法中所缺的相应值．结果表明,对于原子及分子物理的研究,小波神经网络是一种很有潜力的工具．     

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.     

随机延时Hodgkin-Huxley神经网络的同步与联想记忆

基于神经系统微观生理结构,给出具有空间分布随机延时的神经元间耦合,而这种随机延时描述峰电位从突触前神经元到突触后神经元在轴突上传播所需要的时间．记忆由时空发放的神经元集群表达．通过加入并改变噪声的强度,研究了噪声对Hodgkin—Huxley（HH）神经元网络系统联想记忆的作用,在噪声涨落的作用下,系统取得了对不完整输入的记忆恢复,得到与熟知的随机共振完全一致的结果．     

递归神经网络的学习算法

本文提出采用组合神经网络方法,对一类非线性控制对象进行学习以实现最优控制,仿真实验表明,这种方法对于复杂非线性系统的研究是有效的。