OLAM神经网络分析X荧光谱的预处理研究

在采用最优线性联想记忆(Optimal Linear Associative Memory)神经网络分析X荧光谱时,可用多种方式对谱作预处理,如去掉多余数据、取对数、横向压缩、标准化等.针对实验测得的水泥生料X荧光谱,分别用上述方法进行预处理,然后再用神经网络分析,与化学分析的偏差作对比.结果表明,去掉多余数据、横向压缩可以减少信息处理量,减少存储空间,提高运算速度,且对精度影响较小;标准化处理对含量较少的成分有优势,对含量大的成分误差太大;对数方法则不适用.     

Van der Pol振荡神经网络的联想记忆

首先扼要介绍了用于联想记忆和模式识别的协同学标准模型，以及求解Ｖａｎ ｄｅｒ Ｐｏｌ方程的慢变幅值和旋转波近似计算方法。在理解分析Ｈ．Ｈａｋｅｎ提出的Ｖａｎ ｄｅｒ Ｐｏｌ振荡神经网络理论基础上，简化了Ｈ．Ｈａｋｅｎ关于该网格具有联想记忆功能的复杂论证过程。     

联想记忆混沌神经元网络

在对当前混沌神经元网络在信息处理中的应用研究的基础上,提出了对混沌神经元组成的人工神经网络模型建立一种新的自联想矩阵的方法,由此建立了经沌神经元组成的改进的联想记忆网络。通过仿真实验证实了与现有方法相比,其联想的成功率和加快速度方面都有较大的提高。并从理论上详细地介绍了网络的联想记忆过程和性质提高的原因。     

词汇学习策略对词汇习得成效和英语学习成绩的影响

本对非英语专业学生的词汇学习策略进行分析比较，结果表明英语词汇学习策略的“量”和“质”，尤其是“质”影响学生的词汇成绩和英语学习成绩。深编码策略如活用、词形分析、上下、联想等对单词记忆起促进作用，善于采用这些词汇记忆策略的学生词汇量较大，英语学习成绩也较好。     

工作记忆与情景记忆重复效应的神经机制研究

1项目简介人的记忆过程及其神经机制一直是认知心理学和认知神经科学领域关注的热点课题。面对一个事物的重复出现,我们的行为和大脑会如何反映？重复效应是存在于记忆和学习中的一种普遍形式,即重复遇到一个项目会导致对这个项目更快更有效的加工。研究者发现,     

科学 可以是快乐的

<正>对于大多数人来讲,科学总是一些枯燥的数学公式、物理原理和化学方程式。科学的表达,在人们的记忆中更多的是老师板着脸式的教学模式。其实,科学,可以是快乐的。科学的快乐蕴含在人们的亲身体验和创     

基于改进信息熵和LSTM网络的轴承故障诊断

针对传统的时频域故障诊断方法无法对故障实现自适应识别和分类,且准确率较低的问题,提出一种基于改进信息熵(improved information entropy, IIE)的长短时记忆网络(long-short time memory network, LSTM)方法。首先对原始信号分别进行集合经验模态分解(ensemble empirical mode decomposition, EEMD)和变分模态分解(variational mode decomposition, VMD);将包含故障信息的所有本征模式分量(intrinsic mode functions, IMF)进行信息熵的求取;通过信息熵反映IMF的信息量和峭度指标对描述冲击成分的优势改进信息熵,构成特征向量;最后结合LSTM处理非线性数据的优势,利用组合特征训练LSTM网络建立诊断模型。实验结果表明：该方法能准确、高效地识别多种故障,准确率要比单一的EEMD-LSTM、VMD-LSTM、人工神经网络等传统方法更高。     

试论美国族裔文学中的文化记忆共同体思想

作为一个移民国家,美国多元文化是在移民文化和本土文化不断碰撞和融合过程中逐渐形成的。在此过程中,文化记忆不仅是移民文化发展的动力,也是移民作家的创作源泉。以美国族裔文学中的文化记忆共同体思想为契入点,可以对美国本土裔、亚裔、犹太裔、非裔、西裔等文学中的文化记忆共同体进行梳理与考查,提出美国族裔共同体思想是勾连族裔文化记忆的独特脉络。通过探讨各族裔文学内部,能使我们发现族裔之间形成文化记忆共同体的潜能,并展望各个族裔与主流文化协商互动中形成的更高层面的文化共同体思想。     

基于外部知识的药物相互作用关系抽取方法

药物相互作用是指药物之间存在的抑制或促进等作用. 针对目前方法在不同关系类别上的抽取结果差异较大的问题,论文提出了一种利用外部知识的关系抽取模型,该方法首先对外部药物数据库中的信息进行处理,构建带有药物描述信息的数据集,然后在该数据集上进行模型训练,并保存最优模型,最后将该最优模型与药物关系抽取模型相结合,进行药物关系抽取,从而更好的利用了药物数据库中已有的知识,缓解了不同关系类别抽取结果差异较大的问题,提高了抽取效果. 在DDIExtraction 2013数据集上的实验结果表明,论文方法的F1值优于目前最优方法2.47%.     

带有全局交叉的修正和声搜索算法

为增强和声搜索算法的全局搜索能力,提出一种带有全局交叉的修正和声搜索(MHSgc)算法.MHSgc算法采用多和声记忆库协同创作,应用邻域学习策略进行调整,取代原有的基音调整,从而增加了种群多样性.同时,提出一种全局交叉操作,并融合到MHSgc算法中,防止算法陷入局部最小.针对几个标准函数进行了实验仿真,数值结果表明,上述算法优于文献报道的8种智能算法(HS,IHS,GHS,NGHS,EHS,ITHS,MPSO,RMDE),具有较好的优化潜力.