乘除形态学联想记忆及其性能分析

形态学联想记忆是一类新颖的人工神经网络,但是它的异联想记忆效果较差.针对这个问题,基于互补的思想,提出一种形态学联想记忆方法,称为乘除形态学联想记忆.文中分析了乘除形态学联想记忆方法完全回忆记忆的条件及其噪声性质.分析和实验表明,这种方法对异联想效果显著,并具有一定的抗噪声鲁棒性,在一些情况下,能够取得更好的异联想效果.     

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.     

联想记忆激发机制的性质坐标表达

提出了以下联想激发机制的一个性质坐标模型，给出了事物本身属性激发事物整体表象的数学表达，进行了从事物的整体概念本身若干属性的联想机制的定性分析；讨论了两个事物通过其相似属性而达联想沟通的数学表达，其中，前两种属于自联想记忆机制，后者属于异联想记忆机制。     

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.     

形态学联想记忆在图像联想识别上的应用

形态学神经网络是一类新颖的人工神经网络,但人们对它的研究,尤其是对于形态学异联想记忆的研究和应用,仍很不够.给出了形态学异联想记忆理论应用于图像的联想识别上的一般方法和步骤,并通过一个字符图像联想识别的实例,叙述了其应用原理与过程,对于推进形态学异联想记忆的应用研究将带来有益的参考.     

图式理论与英语词汇联想记忆

众多学者专家已广泛的把“图式理论”应用到了外语教学如阅读、听力、写作中。本文拟从认知心理学的角度,阐述了图式理论运用到英语词汇的教学中。本文旨在探讨图式理论与英语词汇联想记忆的关系,以及对英语联想记忆策略的启示,来帮助英语学习者提高词汇记忆的效率,从而提高英语学习的综合能力。     

英语单词网络联想记忆

本文对各种不同的英语单词记忆法进行考察后 ,认为单词之间只有同时具备形与义的联系才是有效的联想记忆。文章提出了符合这一原则的数种记忆方法 ,共同构成网络联想记忆系统。学习者遵循它将大大提高记忆效率。     

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。     

构造容错人工神经网络的方法

具有容错能力的人工神经网络结构，可以提高人工神经网络的可靠性。本文提出了基于ＢＰ算法的容错人工神经网络评价函数，分析了容错性，并给出了模拟结果。     

改进的BP网络初始条件的选取与性能分析

本文给出一种改进的BP网络,网络中各个神经元的状态只取1或-1,这是考虑到其用数字电路实现的方便性.在此基础上,同时提出了初始条件选取的方法以增加训练速度,这种初始条件的选取也最有可能使网络收敛到全局最佳.尽管网络中神经元的状态取1或-1,但在训练中还是利用Sigmoid函数tanh(·).网络的输入既可以是元素为1或-1的模式也可以是任何连续变量所构成的模式.计算机仿真结果表明,用同样的训练算法,利用本文提出的方法选取初始条件比随机选取初始条件收敛要快的多,与传统结构相比,该网络具有更好的性能.     

BP神经网络数值预测方法的研究

人工神经网络作为一个具有高度非线性映射能力的的计算模型,具有广泛的应用前景.在数值预测方面,它不需要预选确定样本的数学模型,仅通过学习样本数据即可以进行预测.本文在对其进行深入研究的基础上,探讨了利用BP神经网络进行数值预测的方法和应该注意的问题,并给出了一些有益的建议.     

BP神经网络数值预测方法的研究

人工神经网络作为一个具有高度非线性映射能力的的计算模型,具有广泛的应用前景。在数值预测方面,它不需要预选确定样本的数学模型,仅通过学习样本数据即可以进行预测。本文在对其进行深入研究的基础上,探讨了利用BP神经网络进行数值预测的方法和应该注意的问题,并给出了一些有益的建议。     

一种新的神经网计算机结构

人工神经网络存在着广泛的并行机制。为此，人工神经网络计算机使用多个处理单元以适应并行处理的需要。多处理单元之间的信息通信是并行研究的内容之一，作者提出了利用数据流驱动思想和双口存储器技术实现人工神经网络计算机的一种新结构。     

人工神经网络寄生极值判别方法

根据人工神经网络自联想存在寄生极小值问题，提出了两种判别方法。这两者判别方案分别是混合人工神经网络方案和硬件判别电路方案，为人工神经网络模糊联想存储器的实际应用找到了较合理的方法。     

边坡工程反馈设计研究的人工神经网络方法

提出并建立了高陡岩体边坡工程反馈设计人工神经网络方法，开发了rsfdANNet软件系统，给出了该理论的背景及基础，讨论了rsfdANNet特点及对有关问题的处理技巧，最后给出了它用于边坡稳定性分析评价的研究案例。     

利用BP算法实现集装箱编号识别

研究集装箱字符识别,采用数字图像处理,模式识别与神经网络技术及改良BP算法实现集装箱编号的自动识别,该方法有较强的适应性,可在不同的光照条件下工作,在识别倾斜,变形,磨损,污染的集装箱时表现出较强的抗干扰能力,改良BP算法具有分类功能,可以实现字符的识别,并且具有较强的鲁棒性。     

小脑神经网络反馈学习控制系统

小脑模型神经网络（ＣＭＡＣ）用作前馈控制器的结构对于含有丰富状态的轨迹跟踪问题，如机器人轨迹跟踪问题有较好的控制效果，但它对于参考值为方波或阶跃信号的跟踪问题却不太适合．为此，提出ＣＭＡＣ网络反馈控制器的方案，该方案克服了ＣＭＡＣ局部联想特性和前馈控制结构所固有的缺陷，对较恒定的设定值跟踪和抑制噪声都有较好的效果．最后，仿真实例说明了所提方案的有效性．     

反馈法激光测距系统的实验研究

本文阐述了反馈法激光测距系统的基本原理和装置设计，给出了有关实验结果。该系统配以适当的控制电路，以ＫＤ＊Ｐ晶体作为反馈通道的电光开关，在测距时形成稳定的光强信号的反馈振荡，由振荡频率测知待测距离。