形态学联想记忆的研究综述

通过提炼出来的一个形态学联想记忆的研究框架,可以很清晰地概括出形态学联想记忆的研究成果,从而可以很合理地归纳出形态学联想记忆仍存在的问题以及今后的发展方向。此形态学联想记忆的研究框架对形态学联想记忆的进一步研究具有一定的指导意义。

对数-指数形态学联想记忆

利用对数和指数算子构建了一种新的形态学联想记忆方法,简称LEMAM.理论分析表明:自联想LEMAM(简称ALEMAM)具有无限存储能力、一步回忆记忆、一定的抵抗腐蚀噪声或膨胀噪声的能力,在输入完全或在一定的噪声范围内,能够保证完全回忆记忆;异联想LEMAM(简称HLEMAM)在输入完全情况下,不能保证完全回忆记忆,但当满足一定条件时,也能够达到完美联想记忆.对比实验结果表明:在一些情况下,LEMAM能够取得较好的联想记忆效果.总体来说,LEMAM丰富了形态学联想记忆的理论和实践,可以作为一种神经计算模型加以研究和利用.

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。

初中英语词汇学习中的联想记忆法研究

联想记忆法是一种基于联想和关联的词汇记忆策略,在初中英语词汇学习中具有良好的效果,本研究探讨了词义联想、图像联想、语境联想、语音联想和故事联想五种联想记忆法在初中英语词汇学习中的具体应用,通过多种联想策略帮助学生提升词汇记忆效率增强词汇运用能力。联想记忆法可以有效降低词汇学习的难度,激发学生的学习兴趣,促进词汇理解的深度与广度,为初中英语词汇教学提供了一种实用的方法支持。

基于形态学和模糊运算的新联想记忆网络——模糊形态学联想记忆网络

提出了一种新的基于形态学和模糊运算的联想记忆网络———模糊形态学联想记忆网络FMAM(FuzzyMorphologicalAssociativeMemories)。它与经典联想记忆有显著不同。文中分析了FMAM的记忆能力以及抗腐蚀和膨胀噪声的能力。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。

形态学联想记忆网络的研究进展

形态学联想记忆网络具有无限存储能力、一步回忆记忆、良好地抵抗腐蚀噪声或者膨胀噪声的噪声容限等许多优点。从形态学联想记忆的概念、基本原理、发展脉络、研究新成果、发展趋势和研究方向等多个方面综述了形态学联想记忆网络的研究进展。对形态学联想记忆方面的研究带来了一定的参考价值。

基于αβ运算的多层联想记忆模型的研究

介绍了αβ运算符的定义和αβ联想记忆矩阵的四种操作。通过四种矩阵操作来实现模式对的培训和回忆。αβ多层联想记忆模型相比形态学联想记忆模型数值计算相对容易。最后,通过αβ多层联想记忆的数字模拟实例验证了αβ多层联想记忆具有良好的回忆性能。

一种基于MRⅡ算法的三层二值双向联想记忆网络

传统的两层二值双向联想记忆(BAM)网络因其结构的限制存在着存储容量有限、区分小差别模式和存储非正交模式能力不足的缺陷,结构上将其扩展至三层网络是一个有效的解决思路,但是三层二值BAM网络的学习是一个难题,而三层连续型BAM网络又存在处理二值问题不方便的问题。为了解决这些问题,提出一种三层结构的二值双向联想记忆网络,创新之处是采用了二值多层前向网络的MRⅡ算法实现了三层二值BAM网络的学习。实验结果表明,基于MRⅡ算法的三层二值BAM网络极大地提高了网络的存储容量和模式区分能力,同时保留了二值网络特定的优势,具有较高的理论与实用价值。

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 .

略论三种联想记忆法

词汇是构成语言的三大要素之一，而词汇记忆是语言学习中的一个重要环节。在英语学习中，随着学习的不断深入与拓展，词汇量逐渐增加，如何有效地记忆单词成为众多英语学习者共同探讨的问题。在词汇记忆的众多方法中，联想法是较能激发学习者积极性和创造性的方法之一。本文拟从分析记忆效能及其基本技巧入手，探讨三种联想记忆法及其在英语词汇学习中的运用。

形态学联想记忆框架研究

形态学联想记忆(MAM)是一类极为新颖的人工神经网络.典型的MAM实例对象包括:实域MAM(RMAM)、复域MAM(CMAM)、双向MAM(MBAM)、模糊MAM(FMAM)、增强的FMAM(EFMAM)、模糊MBAM(FMBAM)等.它们虽有许多诱人的优点和特点,但有相同的形态学理论基础,本质上是相通的,将其统一在一个MAM框架中是可能的.同时,联想记忆统一框架的建立也是当前的研究重点和难点之一.为此作者构建了一个形态学联想记忆框架.文中首先分析MAM类的代数结构,奠定可靠的MAM框架计算基础;其次,分析MAM类的基本操作和共同特征,抽取它们的本质属性和方法,引入形态学联想记忆范式和算子;最后,提炼并证明主要的框架定理.该框架的意义在于:(1)从数学的角度将MAM对象统一在一起,从而能以更高的视角揭示它们的特性和本质;(2)有助于发现一些新的形态学联想记忆方法,从而解决更多的联想记忆、模式识别、模糊推理等问题.

训练模式对的摄动对模糊双向联想记忆网络的影响及其控制

训练模式对的小幅摄动可能对模糊神经网络的性能产生副作用,为此文中提出了一般性的模糊神经网络对训练模式对摄动的鲁棒性概念,并就典型的模糊双向联想记忆网络FBAM进行了具体分析.理论研究表明FBAM采用模糊赫布学习算法时该鲁棒性好,而采用新近提出的另一学习算法时,该鲁棒性较差.为此,作者为后一算法提供了一种训练模式对摄动的控制方法,以保证FBAM的这种鲁棒性较好.最后用FBAM在图像联想方面的实验证实了文中的某些理论结果.文中工作对FBAM系统的性能分析、学习算法的选择和模式对获取过程的指导有一定意义.

联想记忆训练对轻度认知功能障碍老人认知功能的影响

目的探讨联想记忆训练对轻度认知功能障碍(MCI)老人认知功能的影响。方法将42例60～75岁MCI老龄人随机分为训练组21例和对照组21例,训练组接受联想记忆训练,对照组按常规维持原有的生活习惯。训练3个月,训练期间用基本认知能力测验量表、简易智能状态检查量表(MMSE)、日常生活活动能力量表(ADL),评价训练效果。结果训练组知觉速度较干预前有所提高(P<0.05),字图记忆较对照组有所改善(P<0.05),心算效率、记忆广度较干预前及对照组均有提高(P<0.05);MMSE评分较对照组有提高(P<0.05),ADL评分较干预前及对照组有所降低(P<0.05)。结论联想记忆训练可改善MCI老龄人认知功能。

海马CA3区联想记忆功能的神经网络建模

背景:海马是一个与记忆相关的重要脑区,在联想记忆中起着关键的作用。海马CA3区是形成联想记忆最重要的脑区,它从功能上被分为自联想记忆和异联想记忆。理解记忆的形成和读取需要建立海马功能的详细模型。目的:根据海马CA3区的结构,建立一个海马CA3区功能的详细模型。方法:该模型是一个三层的类Hopfield神经网络,由280个Izhikevich人工神经元组成。以Izhikevich神经元模型做为节点,用Hebbian学习法则调节权值。在给模型的输入加入白噪声的情况下用MATLAB对其仿真。在仿真中,记忆用同步放电序列表示。结果与结论:仿真结果表明,模型的第三层具有异联想记忆功能;模型的第一层和第二层能完成自联想记忆功能。该模型很好的重现了海马CA3区三个子区域的记忆功能。但真实生物神经网络的功能极其动力学特性不可能通过建立一个简单的模型完全理解。该模型由280个神经元组成,远远小于实际神经元的数量,这也说明所建模型的特性与CA3实际生物神经网络的特性之间还存在很大差距。

模糊联想记忆的一种有效学习算法

本文提出最大－最小合成模糊联想记忆的一种新的学习算法，在一定条件下，这种学习算法能将多个模糊模式对可靠地编码到模糊联想记忆的连接权矩阵中，且已存储的模式对可被完整地回想出来。

利用动态核的形态联想记忆网络的研究

在文献[1]的基础上,提出了一个基于动态核的形态联想记忆网络方法,特点是同一幅图像,如果其所含的噪声情况不同,则其核也将不同,从而较好地解决了图像含有随机噪声时的联想记忆问题。实验证明,此方法具有良好的性能,双向联想记忆的准确率优于文献[1]中介绍的方法。

小世界体系的多对多核联想记忆模型及其应用

运用机器学习中新颖的核方法和社会网络中广泛存在的小世界现象,对Hattori等人提出的多模块多对多联想记忆模型(multi-moduleassociativememoryformany-to-manyassociations,简称(MMA)2)进行了改进,构建出了一个基于小世界体系的多对多核联想记忆模型框架(smallworldstructureinspiredmanytomanykernelassociativememorymodels,简称SWSI-M2KAMs).该框架不仅克服了原模型不能联机提交训练样本且迭代次数过多的缺陷,而且拓展了原模型的智能信息处理范围.更重要的是,通过核函数的选取,该模型框架可以衍生出更多新的多对多联想记忆模型,而且,由于小世界结构的引入,在一定程度上简化了模型的结构复杂度.最后的计算机模拟,证实了新的模型具有良好的多对多联想记忆功能.

双向联想记忆神经网络及其在肺癌患者分类判别中的应用

给出双向联想记忆 (BAM)神经网络的基本原理。在此基础上 ,根据血清中微量元素的含量 ,将双向联想记忆神经网络用于正常人与肺癌患者的分类判别。实验结果表明 :用独立预测样本作检验 ,在本工作所选定的条件下 ,可以达到 10 0 %的正确识别率。并讨论了双向联想记忆神经网络的影响因素。

模糊联想记忆神经网络在土地质量评价中的应用

土地是一个复杂的动态系统，受到众多因素的影响，而影响因素存在很大的模糊性，应用传统的理论和方法进行评价难以得到正确结果。本文提出一种基于模糊联想记忆神经网络的土地质量评价方法，并以实例证实了该方法的简便、快速、客观和实用性。

加强学习与联想记忆的粒子群优化算法

为了克服粒子群优化算法多维搜索时方向性差、目的性弱以及易早熟收敛等缺点,提出了一种改进的粒子群优化算法。改进的算法分别对认知部分及社会部分的最优信息、最差信息赋予不同的学习因子,使算法具有更强的学习能力。每个粒子联想记忆其历史最优、最差信息,然后按照追逐最优躲避最差的原则寻找最优位置。联想记忆克服了多维搜索中方向性差、目的性弱的缺点;追优避差保持了种群的多样性,有利于提高算法的收敛速度、克服早熟收敛。通过基准函数的仿真测实验证了算法的有效性。