联想记忆系统的学习算法设计（Ⅰ）

基于牛顿向前插公式设计了一种新的联想记忆系（ＮＦＩ－ＡＭＳ）的学习算法,用以实现任意阶的多变量多项式函数的无误差逼近。该系统与传统类型的ＣＭＡＣ－ＡＭＳ相比,具有学习精度高和记忆空间小的特点;且比多层的ＢＰ网络具有学习算法简单和收敛速度快的特点。数值模拟表明,这种ＮＦＩ－ＡＭＳ在信号处理,模式识别,及高精度的实时智能控制等领域具有很大的应用潜力。     

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。     

一种基于空间域和频谱域特征的图象分割方法

提出了一种基于空间域和频谱域特征的神经网络的医学图像分割方法．本方法不需要教师监督,能自动生成最优的网络输出节点,即分类数．对ＣＴ,ＭＲＩ和超声图像的分割表明本方法有效方便．     

对协同学习算法的研究

在讨论协同学习算法和广义逆关系的基础上,指出了最小二乘广义逆的求解算法都可以看作是协同学习算法,从而大大丰富了协同学习算法的种类．理论和实验表明,Ｈａｋｅｎ提及的学习算法在某些性能指标上不如通常的Ｍｏｏｓｅ－Ｐｅｎｒｏｓｅ广义逆求解算法,因此,在具体应用场合,可考虑使用通常的Ｍｏｏｓｅ－Ｐｅｎｒｏｓｅ广义逆求解算法进行协同学习．     

基于神经网络的无监督自学习控制系统

所论系统的控制由两个神经网络完成,即对象放识器和系统控制器。并且提出了一种 新的学习算法,它能利用存贮于辨识网络的信息改进控制策略。该控制系统可以对非线性系统,不确定系统等进行无监督的学习控制。     

节点自删除神经网络及其在磨粒识别中的应用

在前向多层神经网络的基础上,提出了一种新的节点自删除神经网络模型。该神经网络根据隐层节点输出的相似性能够自动地进行网络节点的删除。对网络中冗余节点的删除,使网络尺寸得到优化,这一定程度上也解决了前向多层神经网络的推广性和学习问题。在Ｐａｒｔｙ－４问题的实例中,通过对惯性ＢＰ算法网络和该节点自删除网络的比较,充分说明了该节点自删除神经网络在各方面的优越性。铁谱磨粒识别一直是一个困难的课题,应用自删除神经网络模型在该实例中,也取得了较好的识别效果。     

交流调速系统的自学习控制

本文介绍了Ｉ／Ｏ映照记忆模型自学习控制的理论和方法,并用其为具有重大节能意义的泵类、风类机类等交流调速装置设计通用的智能控制器,以实现对期望转速的跟踪控制．文中给出了统一的系统模型描述、学习控制原理及初值控制的处理方法．     

褪黑素对持续光照小鼠学习记忆能力的影响

运用Ｙ－迷宫检测小鼠的分辨学习和记忆能力,观察了年龄,每天２４小时连续１个月的持续光照和每日定时注射褪黑素对小鼠分辨学习和记忆能力的影响。结果表明,成年小鼠与青年小鼠相经学习和记忆能力下降;持续光照可引起小鼠学习记忆能力出现不同程度的下降;实验结果提示,褪黑素在维持学习记忆能力中具有重要作用。     

非线性离散系统的学习控制方法

对非线性离散系统的学习控制方法进行了研究,引进了离散的λ（ζ）－范数,给出了新的学习控制算法,实现了不依赖于学习控制初始数据的目标跟踪问题。为离散系统的学习控制方法的顺利发展和相应基本理论的建立进行了尝试性的探索工作。     

一种适合于网络专家系统的通用理论(英文)

描述运用于工业自动化的一种自适应自学习方法。基于此方法,Ａｐｔｒｏｎｉｘ公司开发出一套通用软件工具－ＳＴＩＭＴＭ,并应用于不同工业领域。ＳＴＩＭ可用于构造各类专家系统。基于因素空间理论,ＳＴＩＭ具有一系列独特之处,比如自动化、自学习,以及自翻译。如果与因特网,嵌入式控制器以及可编程逻辑控制器等结合使用,ＳＴＩＭ则成为一个十分有效的工具,可应用于远程连通与控制、模式识别、机器故障诊断,以及自动化加工过程中的传感器数据融合