Properties and Stability of Max-Product Fuzzy Bi-Directional Associative Memory

In this paper, a fuzzy operator of max-product is defined at first, and the fuzzy bi-directional associative memory (FBAM) based on the fuzzy operator of max-product is given. Then the properties and the Lyapunov stability of equilibriums of the networks are studied.

The FAM(Fuzzy Asociative Memory)neural network model and its application in earthquake prediction

FAM(Fuzzy Associative Memory) Network Model, FAM Adaptive Learning Algorithm and Principal of FAM Inference Machine are introduced, and successfully application to ″New Generation Expert System for Earthquake Prediction″ (NGESEP). This system has good function for knowledge learning without disadvantages of neural network, which the learned knowledge implied in network is difficult to be understood or interpreted by expert system.

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.

基于模糊神经网络的结构非模型主动控制

本文将模糊人工神经网络运用到结构的主动控制中，用模糊联想记忆（ＦＡＭ）神经网络作为控制器，对在地震力下的结构振动进行主动控制，控制过程中无须引入结构的运动模型和精确参数。数值仿真的结果表明，该控制系统具有适应能力强，消振迅速且效果良好的特点。

基于模糊神经网络和符号的地震预报专家系统NGESEP

本文介绍了专家系统的发展、神经网络、模糊系统与专家系统相结合的优点以及新一代地震预报专家系统的构成等。该系统除具有传统专家系统的特点外，还因使用模糊联想记忆（ＦＡＭ）神经网络模型而具有良好的学习功能。文中也对ＦＡＭ神经网络模型及其应用作了介绍。

地震预报专家系统ESEP3.0中的知识表示方法

知识表示是专家系统建造中的一个关键环节 ,知识表示方法的好坏直接关系到系统的智能水平和解决问题的能力。在地震预报专家系统ESEP 3 0中有多种知识表示方法 ,本文介绍了该系统的结构知识、地震学和前兆预报知识、机器学习知识、综合预报知识、确定异常证据可信度知识以及支持知识等多种知识表示方法 ,提出了确定异常证据可信度模型。

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。

神经模糊入侵检测系统的研究

当前大多数入侵检测系统都是misuse detection，均不能检测已知攻击的变种，而少数基于用户行为的异常检测系统不仅会侵犯合法用户的隐私权，而且不能发现不良用户通过慢慢改变其行为躲过检测的欺骗行为。文章提出了一种新的基于进程行为的神经模糊入侵检测系统，有效地解决了上述问题，极大地提高了入侵检测系统的性能。

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。

模糊联想记忆系统规则提取的新方法

基于模糊联想记忆（ＦＡＭ）系统的特点，阐述了一种ＦＡＭ系统规则提取的方法．在已知控制系统输入特征空间的划分时，规则的提取可以转化为聚类平面的问题；当可以确定输出变量的语言值的个数时，首先利用数据各维直方图抽取平衡点处的规则，然后通过聚类平面将其余规则的提取转化为分类器特征空间的划分问题，用树型分类器确定输入特征空间的划分．倒车系统ＦＡＭ控制器的设计证明了该方法的有效性．

基于基因算法的模糊联想记忆设计方法

本文提出了一种用基因算法（ＧＡ）来进行模糊联想记忆（ＦＡＭ）系统设计的方法──基因ＦＡＭ法。同自适应模糊联想记忆（ＡＦＡＭ）和神经网络设计方法相比，该方法不要求有训练样本；而且可以设计出好的ＦＡＭ系统最后，举例说明了该方法的应用。

最大─乘积型模糊联想记忆网络的最大最小编码学习算法

提出了最大─乘积型模糊联想记忆网络的最大最小编码学习算法，新算法可以记忆任意多个自联想模式。对于异联想模式，给出了一种以最大最小编码算法为基础，近似求解网络连接权阵的梯度下降学习算法，这种方法可用于解最大乘积型模糊关系方程。计算机模拟实验证实了算法的有效性。

基于爱因斯坦t-模的模糊联想记忆的学习算法

为神经网络提供有效学习算法是神经网络研究的关键问题。文章利用t-模的伴随蕴涵算子,为基于Max和Tes合成的模糊联想记忆网络Max-TesFAM提供了一种新的学习算法,此处Tes是由爱因斯坦提出的一种t-模算子。从理论上严格证明了,只要Max-TesFAM能完整可靠地存储所给的多个模式对,则该新的学习算法一定能找到使得网络能完整可靠存储这些模式对的所有连接权矩阵的最大者。最后,用实验说明了所提出的学习算法的有效性。

人工神经网络非线性动力学及应用

综述神经网络系统非线性动力学行为及其与网络性能的联系和在科学和工程中的应用；讨论了神经网络的权值动力学系统和状态动力学系统的动态过程，神经网络的稳定性和鲁棒稳定性，高阶关联网络的性能、张量描述、吸引性和复杂性，神经网络设计和综合的分叉理论；说明了神经网络动力学分析的意义和重要性．

基于三角模的模糊双向联想记忆网络的性质研究

基于模糊取大算子和三角模T的模糊合成,构建了一类模糊双向自联想记忆网络Max-T FBAM。利用三角模T的伴随蕴涵算子,为这类Max-TFBAM提出了学习算法,并理论上证明了该学习算法确定的连接权矩阵是网络最大的连接权矩阵。对任意输入能使Max-T FBAM迭代一步内就进入稳定态,该类网络具有全局稳定性和可靠的存储能力。当三角模T满足利普希兹条件时,采用上述学习算法时自联想Max-T FBAM对训练模式的摄动全局拥有好的鲁棒性。最后用实验证实了理论研究,也为图像的可靠存储提供了参考。

一种模糊控制系统的神经网络方法

基于ＦＡＭ神经网络，采用Ａ．Ｋａｗａｍｕｒａ等人提出Ｎｅｕｒａｌ－Ｆｕｚｚｙ协作系统概念，实现模糊控制系统．网络保留了模糊控制系统的优点，知识采集方便，较之一般ＢＰ网，空间结构清晰，编码意义明确；同时具有学习功能，解决ＦＡＭ神经网络不易修改控制规则的缺点，学习速度快．

训练模式的摄动对最大——乘积型模糊联想记忆网络的影响

首先建立了前馈型模糊联想记忆网络对训练模式摄动的鲁棒性概念,分析了最大—乘积型模糊联想记忆网络(Max-Product FAM),发现当采用模糊赫布学习算法时它的鲁棒性好,但采用另一学习算法时鲁棒性较差。最后用实验验证了理论结果。

模糊形态联想记忆网络及其在细胞图像联想识别中的应用

研究了模糊形态双向联想记忆网络(FMBAM)在灰度图像处理中的方法,并利用核的形式来解决灰度图像含随机噪声的正确联想记忆及识别问题,提出了构造灰度图像的核需要满足的条件,给出了寻找核的方法和途径,并应用于细胞图像的联想和识别,通过仿真实验,验证了该方法的有效性和良好性能。

模糊双向联想记忆网络的收敛性

本文讨论模型双向联想记忆 (fuzzybidirectionalassociativememories(FBAMs) )网络的收敛性 .对任意FBAM(n ,m)网络 ,给出了网络收敛的充分必要条件和极限环长度的上界 ,证明了网络由任意初态激发都一定在 (n - 1) 2 +2步内到达某个极限环 ;对由max min学习规则确定的FBAM(n ,m)网络 ,证明了网络由任意初态激发其状态序列都是单调减的 ,且一定在n +1步内收敛 .

模糊形态双向联想记忆网络的研究

提出了一种新型的模糊形态双向联想记忆网络FMBAM,证明了FMBAM在双向联想中能够保证记忆在一步之内完成,因此不存在收敛问题,并实现完全双向正确联想,且可模糊性解释,同时表明了FMBAM具有优越的抗腐蚀或膨胀噪声的能力,仿真实验验证了双向联想FMBAM具有良好的性能。