基于外积取等准则的联想记忆神经网络同步运行收敛性分析

通过引入入样本模式向量割、割等价及割互补的概念，了基于外积取等准则的联想记忆神经在同步运行方式下的收敛性，得出对任意输入网络至多两步收剑。     

基于极大极小准则的异联想记忆网络学习算法

提出了设计异联想记忆网络的极大极小准则，即设计出的连接权阵应使得网络最小的记忆模式对的吸引域达到最大。首先给出了一种快速学习算法，它设计出的网络连接权值只取１，０或－１；再进一步发展了一个启发性迭代学习算法，称为约束感知器优化学习算法，它以快速学习算法的结果作为连接权阵的迭代实值。     

基于模式分量最优稳定性准则的联想记忆学习算法

提出了设计联想记忆神经网络的模式分量最优稳定性准则，即使得每个模式分量对于模式畸变都具有最大的联想容错性。     

正交条件下外积和网络的性能分析

外积和网络是一个具有广泛应用价值的神经元网络模型,本文在假设构成该网络的训练样本是正交的条件下分析了网络的稳定点和吸引半径等性质,得到了一些有意义的结果。     

具有轴突信号传输延迟的双向联想记忆神经网络

双向联想记忆模型是两层异联想网络，本文重点讨论了具有轴突信号传输延迟双向联想记忆神经网络平衡点存在的条件以及全局稳定性，并用具体例子验证了结论的正确性，本文所讨论的方法具有普遍性，所得到的结果对于网络的设计和应用具有重要的指导意义。     

正则模糊联想记忆

本文提出了一种特殊的模糊联想记忆系统（ＦＡＭ）一正则数据联想记忆及其学习算法－正则学习算法，正则模糊联想记忆具有比一般方法所设计的模糊联想记忆更好的性能，且其性能受训练数据不足和训练数据噪声的影响很小，最后，举例说明了正则模糊联想记忆在模糊控制器的应用。     

采用变频器故障树为训练样本的BAM神经网络故障诊断方法

研究故障树分析(FTA)和双向联想记忆(BAM)神经网络在故障诊断中的应用,提出了一种融合FTA和BAM的故障诊断方法.利用FTA得到系统所有的故障模式,进而由故障模式和根据维修经验的故障分析归纳出BAM的学习样本,即故障模式和故障分析之间的对应.BAM通过联想记忆矩阵并行联想,得到诊断结果,扩展综合故障诊断能力.用上...     

基于环形结构的联想记忆网络

本文针对ＢＡＭ和ＴＡＭ网络处理数据串联想时的困难和不足，提出了一种基于环形结构的联想记忆网络，称为环形联想记忆网络（ＣＡＭ），给出了网络的拓扑结构和网络的三种基本联想模式，讨论了存储网络连接权所需要的存储量，并与ＢＡＭ和ＴＡＭ联想记忆网络进行了比较，最后给出了实验研究的结果。     

新模糊形态学联想记忆网络的初步研究

人工神经网络理论已经被成功地应用于各种不同的模式识别问题.重点研究了联想记忆网络,提出了一种新的基于形态学和模糊运算的联想记忆网络,即模糊形态学联想记忆网络FMAM.它与经典联想记忆和模糊联想记忆FAM有显著不同.文中分析了FMAM的记忆能力和抗腐蚀/膨胀噪声的能力.自联想FMAM具有无限存储能力,能保证完全回忆,并且回忆在一步内完成,可模糊性解释等.仿真实验验证了自联想FMAM的良好性能.     

Hopfield连续联想记忆的吸引域和收敛速度研究

本文利用某些技巧和Lyapunov方法,得到了Hopfield连续联想记忆模式的吸引域及其中每一点趋向记忆模式的指数收敛速度的一些全新的估计结果。这些结果可用于评价Hopfield连续反馈联想记忆网络的容错能力,且可用于综合连续反馈联想记忆网络。     

连续反馈联想记忆的吸引域和指数收敛速度的估计及其应用

估计了连续反馈联想记忆模式的吸引域及其中每一点趋向记忆模式的指数收敛速度。这些结果可用于连续反馈联想记忆网络的容错性能评价以及综合过程。     

ESTIMATION OF ATTRACTION DOMAIN AND EXPONENTIAL CONVERGENCE RATE OF CONTINUOUS FEEDBACK ASSOCIATIVE MEMORY AND ITS APPLICATIONS

The attraction domains of memory patterns and exponential convergence rate of the network trajectories to memory patterns for continuous feedback associative memory are estimated. These results can be used for evaluation of error-correction capability and the synthesis procedures for continuous-time associative memory neural networks.     

Hopfield连续联想记忆的吸引域和指数收敛速度的估计及其应用

本文得到了Ｈｏｐｆｉｅｌｄ连续联想记忆各记忆模式的吸引域及其中每一点趋向记忆模式的指数收敛速度的估计结果，它们可用来评价Ｈｏｐｆｉｅｌｄ连续反馈联想记忆的容错能力，且可用于综合更为实用的连续联想记忆神经网络。     

LANN AND ITS HETEROASSOCIATIVE MEMORY PROPERTIES

This paper provides a new architecture of neural network, called loop architecture neural network(LANN), and its learning rules. One of its features distinguished from other network, such as Hopfield and bidirectional associative memories, is that it can perform the associative memory among multiple categories. Analysis and simulated results have proved that it is an effective network with excellent convergence.     

基于Hopfield神经网络噪声数字的识别

噪声数字的识别具有很好的应用前景,也是后期处理的基础。基于离散Hopfield神经网络的联想记忆能力,通过改进神经网络的记忆样本,再利用Hebb规则对改进的记忆样本进行学习,得到权值矩阵,根据待识别的噪声数字的信息联想起记忆的数字。利用改进后的离散Hopfield神经网络对噪声数字进行了识别的实验。实验结果表明,该方法提高了传统网络的记忆能力和识别的正确率。     

Architectural design and analysis of learnable self-feedback ratio-memory cellular nonlinear network (SRMCNN) for nanoelectronic systems

In this paper, a learnable cellular nonlinear network (CNN) with space-variant templates, ratio memory (RM), and modified Hebbian learning algorithm is proposed and analyzed. By integrating both the modified Hebbian learning algorithm with the self-feedback function and a ratio memory into CNN architecture, the resultant ratio-memory (RMCNN) is called the self-feedback RMCNN (SRMCNN) which can serve as the associative memory. It can generate the absolute weights and then transform them into the ratioed A-template weights as the ratio memories for recognizing noisy input patterns. Simulation results have shown that with the stronger feature enhancement effect, the SRMCNN under constant leakage current can store and recognize more patterns than the RMCNN. For 18 /spl times/ 18 SRMCNN, 93 noisy patterns with a uniform distribution noise level of 0.8 and a variance of normal distribution noise of 0.3 can be learned, stored, and recognized with 100% success rate. The SRMCNN has greater learning and recognition capability when the learned patterns are simpler and the noise is lower. For the learning and recognition of complicated patterns, the allowable pattern number is decreased for a 100% success rate. Simulation results have successfully verified the correct functions and better performance of SRMCNN in the pattern recognition. With high integration capability and excellent pattern association performance, the proposed SRMCNN can be applied to nanoelectronic associative-memory systems for image processing applications.     

具有艾宾浩斯遗忘规则的忆阻联想记忆电路

忆阻器由于具有低功耗、记忆能力和纳米尺寸等特点,是实现人工神经突触的理想器件。为构建简洁、高效、功能全面地联想记忆电路,该文首先提出一种简单的神经元电路和基于压控阈值忆阻器的突触电路。然后根据巴甫洛夫联想记忆模型,设计了相应的联想记忆电路。电路结构简单,仅包含3个神经元电路和突触电路,可有效降低网络复杂度和功耗。尤为重要的是该电路可以模拟全功能的联想记忆行为,不但实现了学习、遗忘、加速学习、减速遗忘以及减速自然遗忘等功能,而且学习速率和自然遗忘速率能够根据学习的次数自动调整,使电路更具仿生性。此外,该电路与艾宾浩斯遗忘曲线相吻合,扩大了电路的适用范围。     

环结构神经网络及其互联想性能

本文提出了一种称为环结构神经网络(LANN)模型及其学习算法。它能像Hopfield网络,双向联想记忆(BAM)网络和其它类似网络一样工作,特别是它能执行多类样本之间的互联想记忆。理论分析和计算机模拟都证明LANN具有很好的收敛性,是一种有效的网络结构。最后本文给出了计算机模拟结果。