模糊ART神经网络模型及其在图像识别中的应用

提出了采用低通过率波、去最小亮度和向量柱状图来提取人脸特征的方法,设计了模糊ART神经网络的结构、学习规则和识别算法,并采用模糊ART神经网络对向量柱状图生成的特征向量进行识别。仿真实验证明,通过调整神经网络的警戒参数值,不同的人具有不同的最大在线识别率,所有人平均的在线最大识别率可以达到89％。     

指数式多向联想记忆模型及性能模拟

多向联想记忆ＭＤＡＭ是Ｋｏｓｋｏ的双向联想存储模型的自然推广，它可应用于数据融合，维数分裂等。迄今所提出的各种改进型ＭＤＡＭ，尽管部分提高了多向联想后的正确回忆率，但一方面缺乏有效的稳定性证明且实验数据甚少；另一方面所用的存储编码方式仍限制了存储容量的提高。     

离散Hopfield双向联想记忆神经网络的稳定性分析

首先将离散Hopfield双向联想记忆神经网络转化成一个特殊的离散Hopfield网络模型.在此基础上,对离散Hopfield双向联想记忆神经网络的全局渐近稳定性和全局指数稳定性进行了新的分析.证明了神经网络连接权矩阵在给定的约束条件下有唯一的而且是渐近稳定的平衡点.利用Lyapunov方程正对角解的存在性得到了几个判定平衡点为全局渐近稳定和全局指数稳定的充分条件.这些条件可以用于设计全局渐近稳定和全局指数稳定的神经网络.所做的分析扩展了以前的稳定性结果.     

模糊双向联想记忆的稳定性与容错性

证明了基于取大－取小模糊算子对的模糊双向联想记忆网络全局稳定性,并Ｈａｍｍｉｎｇ距离证明了该网络的平衡是Ｌｙａｐｕｎｏｖ稳定的。通过在一定条件下获得的吸引子非退化的吸引域,揭示出网络具有较好的容错性。实例验证了该结论的正确性。     

改进的指数双向联想记忆模型在数据压缩中的应用

改进的指数双向联想记忆模型（Ｉmproved exponential bidirectional associative memory molel,IeBAM)是在eBAM的基础上通过引入内连接项而产生的一个比eBAM具有更高存储容量,纠错性的联想神网络,借助于ＩeBAM的高存储容量和良好的纠错性能及有序直方,要实现一种更高效率的数据压缩方法,从而为现有的数据压缩方法提供一种新算法,最后,计算机模拟证实了使用ＩeBAM的数据压缩性能比使用eBAM的更好。     

卷积神经网络在图像识别中的应用研究综述

卷积神经网络出现之前图像识别方法主要依赖人工设计特征,而这样的特征只能表征图像中的中低级信息,难以提取图像的深层次信息.卷积神经网络通过建立深度神经网络来模拟人脑分析、学习和解释数据,具有强大的表达能力和泛化能力,能够更好地表示图像的深层次信息.开展基于卷积神经网络对图像识别进行研究可以推动计算机领域的发展.本文先对卷...     

混沌神经网络及其在联想记忆中的应用

提出了一种新型的混沌神经网络模型及其相应的学习算法。该学习算法利用了输入模式各元素之间的关联性信息。此文的神经网络可以用于多值模式的联想记忆,与现有的混沌神经网络相比,具有更好的性能。     

多重改进型指数双向联想记忆模型及其在多证据推理中的决策性能

提出了多证据推理中采用神经网络来模拟信念组合学习方法。网络由多个改进型指数双向联想记忆模型（IeBAM）构成,并且共享一个输出来同时进行多证据不确定性的管理。文中证明了多重IeBAM(Multi-IeBAM）的稳定性,讨论了在多条证据同时提交网络后的多数规则。理论和实验都证明了多数因子比Wang所提模型更紧凑、更严格,从而可保证在受一定程度的干扰下,专家们仍能做出正确决策。最后所给出的模拟例子的结果与直觉推理相吻合。     

推广的多值指数双向联想记忆模型及其应用

推广了Wang的多值指数双向联想记忆(multi-valued exponential bi-directional associative memory,简称MV-eBAM)模型,使其成为所提出的推广的多值指数双向联想记忆 (extended MV-eBAM,简称EMV-eBAM) 模型的一个特例.EMV-eBAM具有比前者更高的存储容量和纠错性能,因此利用这种性能,设计了一种基于联想记忆的新型图像压缩算法.该算法在无噪声情况下具有与矢量量化(vector quantization,简称VQ)算法相近的性能,而在双重(信道和图像)噪声环境下则具有显著的抑制效果.对比实验结果显示,在添加5%椒盐噪声下,该算法几乎能完全排除噪声干扰,而VQ则反而放大了噪声.该算法的另一个优点是,当在差错信道中传送时,可以获得比采用循环纠错码更强的纠错性能.因而,该算法具有较强的鲁棒性.     

混沌神经网络在分离叠加模式和多对多联想记忆中的应用

混沌是不含外加随机因素的完全确定性的系统表现出来的界于规则和随机之间的内秉随机行为。脑神经系统是由神经细胞组成的网络。类似于人脑思维的人工神经网络与冯·诺依曼计算机相比,在信息处理方面有很大的优越性。混沌和神经网络相互融合的研究是从90年代开始的,其主要的目标是通过分析大脑的混沌现象,建立含有混沌动力学的神经网络模型(即混沌神经网络模型),将混沌的遍历性、对初始值敏感等特点与神经网络的非线性、自适应、并行处理优势相结合,     

Robust image association by recurrent neural subnetworks

A neural network consisting of a gallery of independent subnetworks is developed for associative memory which stores and recalls gray scale images. Each original image is encoded by a unique stable state of one of neural recurrent subnetworks. Comparing to Amari-Hopfield associative memory, our solution has no spurious states, is less sensitive to noise, and its network complexity is significantly lower. Computer simulations confirm that associative recall in this system for images of natural scenes is very robust. Colored additive and multiplicative noise with standard deviation up to =2 can be removed perfectly from normalized image. The same observations are valid for spiky noise distributed on up to 70% of image area. Even if we remove up to 95% pixels from the original image in deterministic or random way, still the network performs the correct association.     

基于结构学习和迭代自映射的自联想记忆模型

传统的人工神经元网络连接结构是固定的,是对权值的学习.提出一种基于生理神经元特征的人工神经元模型,并在以此为单元构成的用于实现自联想记忆的神经网络上进行对结构的学习.学习算法以设定神经元的输入/输出感受野、调整突触和轴突末梢的连接、并行的自投影迭代为特征.给出了此网络模型的矩阵描述和实验结果.     

一种基于稀疏分布记忆模型的汉字联想记忆方法

本文描述了Ｋａｎｅｒｖａ的稀疏分布记忆模型，指出了它在用于汉字联想时的问题，同时提出了改进的模型，试验表明，这种改进模型使记忆容量和容错能力大大提高。     

一种新型双向联想记忆神经网络

提出了一种新型双向联想记忆神经网络,此网络将两个相互关联的模式以模式对的形式存储在由N个连接构成的模式环中,记忆容量为22N数量级,完全消除了假模式对、能够全部或部分地回忆出与输入模式对具有最小Hamming距的被记忆的模式对,同时具有较高的记忆效率和可靠性。连接由“连接状态”和“禁止路径”组成,前者直接存储二进制模式对向量的分量,后者用于消除假模式;此神经网络具有正向联想、逆向联想和自联想方式,使得网络能更灵活有效地满足不同的回忆要求。     

递归联想记忆及在故障诊断中的应用

本文介绍了神经元网络递归联想记忆模型,并应用于控制系统的故障诊断中.     

基于多维联想记忆神经网络的图像回忆

多维联想记忆神经网络在高噪声情况下图像回忆效果差。针对该问题,将图像矩阵垂直分成4个同型小矩阵,依次将4个小矩阵垂向聚合成一个新矩阵,以新矩阵的列向量作为库向量。数值实验结果表明,相比2个列向量构成的库向量,以4个列向量构成的库向量进行回忆的灰度图像更清晰且效率更高。     

基于神经棒的电力变压器离线图像识别研究与应用

为解决智能移动设备在电力变压器等设备的巡检、运维工作的图像识别中难以适用于无网络的离线环境问题,本文综合考虑电力设备巡检、运维工作的实际需求和真实情况,设计一种基于神经棒的电力变压器离线图像识别系统。首先,引入卷积神经网络算法,构建深度学习图像识别模型,并利用真实图片数据集对模型进行训练调优;然后,创新地将模型集成到神经计算加速棒中,搭建电力变压器离线图像识别系统,进一步解决网络对系统的束缚;最后将本文的基于神经棒的电力变压器离线图像识别系统与现有的4G网环境下移动设备识别系统、离线环境下移动设备识别系统在贵州电网贵阳局城北分局提供的真实图片数据集上进行对比验证,结果表明本文提出的基于神经棒的电力变压器离线图像识别系统具有较高的识别准确率和稳定性。     

时滞双向联想记忆神经网络的全局指数稳定新条件

运用不等式αПk=1^m blk≤1/r ∑k=1^m qkbk^r＋1/rα^r（α≥0,bk≥0,qk〉0,∑k=1^m qk=r-1,r〉1）和构造新的李雅普洛夫泛函方法,研究了时滞双向联想记忆神经网络的全局指数稳定性。去掉了相关文献中有关传递函数有界性的假设,给出了较弱的并且不依赖于时滞的判别条件,增强了模型的适用性,在网络的分析和设计中发挥着重要作用。最后我们通过模拟仿真进一步说明所得结果的正确性,并对双向联想记忆神经网络的收敛速度作了分析。