全双极WTA模型的改进及其实现

提出了一种相似度的新定义，使双极ＷＡＴ模型的实现更加简洁明了．增加一个阈值使系统能判别非存储模式或因其信息量过低而无法鉴定的输入模式，阈值的大小与要求的容错能力有关．双极相似度及阈值通过光学方法实现，阈值的光学实现使系统仍具有照明不变性．通过电路实现取阈及ＷＴＡ网络的迭代运算．

用于光学信息处理的WTA电子网络的实现及其特性分析

给出了一种光信号处理用ＷＴＡ电子网络的实现方法，测试了网络的灵敏度，并分析了可能对其产生影响的因素，制作了３２单元的ＷＴＡ网络器件。网络能在几百微秒的时间内找出输入最大者，分辨精度为１ｍＶ。

一种高速神经网络HS-K-WTA的研究

本文提出一种新的K Winners Take All神经网络 :High Speed K Winners Take All(HS K WTA) .HS K WTA是以竞争学习算法为基础 .HS K WTA能够从任何一个数集中 ,识别出K个较大的数 ,或较小的数 .本文给出HS K WTA算法及算法复杂性的分析结果 .结果显示HS K WTA要比Winstrons更好 ,更容易硬件实现 ,更稳定 ,尤其所取的数集中的数较大时 .

高速神经网络HS-K-WTA-2的研究

该文提出了一种新的K-Winners-Take-All神经网络:High-Speed-K-Winners-Take-All-2(HS-K-WTA-2)。HS-K-WTA-2以竞争学习算法为基础。HS-K-WTA-2能够从任何一个数集中识别出K个较大的数,或K个较小的数。该文给出HS-K-WTA-2算法及算法复杂度的分析结果。用专门为研究K-WTA神经网络开发的仿真程序对HS-K-WTA-2、HS-K-WTA和Winstrons进行仿真研究。结果显示:当所取的数集N较大时,HS-K-WTA-2要比Winstrons和HS-K-WTA速度更快。HS-K-WTA-2的硬件实现比Winston的硬件实现要简单,比HS-K-WTA的硬件实现复杂。

基于BP和WTA神经网络的滚动轴承故障诊断方法研究

论文提出一种基于BP和WTA神经网络的轴承故障诊断模式识别新方法,将轴承故障数据提取为所需的特征向量,训练BP-WTA,得到基于BP和WTA神经网络的诊断分类器。通过144组样本进行分类识别轴承损伤程度实验,基于BP和WTA神经网络方法与传统BP、HMM方法进行对比,其诊断准确率达到100%,验证了该方法在轴承故障诊断中的有效性和实用性。

基于k-WTA的对抗样本防御模型研究

为提高图像分类神经网络的鲁棒性,提出一种基于k-WTA的对抗样本防御模型Att-k-DefGAN.模型在Rob-GAN的基础上做出改进,并利用k-WTA激活函数的不连续性与模型训练中的对抗攻击预处理形成对抗,进一步提高分类神经网络的鲁棒性.实验结果表明,在CIFAR-10数据集和ImageNet子集上,Att-k-DefGAN训练得到的分类器鲁棒性要优于Rob-GAN和对抗训练方法.通过对比有无k-WTA激活函数的模型在不同强度攻击方法(PGD,MI-FGSM)下的分类准确度,证明k-WTA可以有效提高模型对梯度攻击的防御能力.

具有旋转不变性的二值化的互连权重研究

采用线性组合Ｃｌｉｐｐｅｄ方法得到初始的具有旋转不变性的ＷＴＡ模型输入层与中间层间的二值互连权重，并利用局部ＭｏｎｔｅＣａｒｌｏ方法对权值进行优化以提高系统的正确识别率．以４类飞行目标进行了计算机模拟，实验结果表明此模型用于识别旋转目标是可行的．

解武器—目标分配问题的神经网络方法

提出一种解武器—目标分配（ＷｅａｐｏｎＴａｒｇｅｔＡｓｉｇｎｍｅｎｔ，简称ＷＴＡ）问题的神经网络方法，该方法依据二值神经网理论，建立武器与目标的组合关系，设计出一种合理而有效的并行算法，应用此算法分配迎击武器使毁伤全部目标的失败概率达到最小经过多个战例的仿真，结果表明，这种算法不但收敛速度快。

基于神经网络的液体火箭发动机故障检测系统

提出和建立了一种用于液体火箭发动机（ＬＲＥ）故障检测的神经网络系统，这种系统包括两层：第一层由ＷＴＡ（Ｗｉｎｎｅｒ－Ｔａｋｅ－Ａｌｌ）神经网络组成，ＷＴＡ网络用于检测发动机故障输出模式；第二层由ＢＰ（Ｂａｃｋ－ｐｒｏｐａｇａｔｉｏｎ）神经网络组成，ＢＰ网络利用第一层次的输出结果作为输入显示故障大小。文中对ＬＲＥ故障检测进行了数值仿真，仿真结果验证了神经网络故障检测系统的优越性能。

电流型汉明神经网络的设计

本文提出了两种新的电流型汉明神经网络电路．第一种网络包括电流型模板匹配电路和全互连的电流型求大网络，结构简单，没有时钟．模拟显示该电路具有高速度、高精度和低功耗等特点．在该电路的基础上，又提出了一种采用电流型模板匹配电路和电压型求大网络的汉明神经网络电路，同样具有上述特点．

基于DNA链置换的赢家通吃神经网络

DNA链置换技术广泛用于生物计算中,在计算能力和信息处理方面表现出色。但是,在信号的放大、恢复与比较等一些计算中使用DNA链置换技术,不仅增加DNA链的数量,还会带来额外的计算成本。因此,为了减少DNA链的使用数量,该文构建了一个基于DNA链置换实现的赢家通吃(WTA)神经网络。首先,通过神经元实现逻辑运算AND,NAND和OR,将其级联成WTA神经网络解决了线性不可分问题。通过与别人结果的比较,证明该文采用方法的有效性,并在Visual DSD(DNA链置换)中获得了稳定而直观的结果。然后,为了检验神经元级联的可扩展性,设计了一个3人表决器,并对科学家进行分类,该文展示了分子系统如何表现出与大脑具有类似行为的思考能力,最后证明获得的准确率高于其他方法。

基于混合结构神经网络的自适应背景模型

本文提出一种基于神经网络的视频中运动目标检测自适应背景模型.对每个像素点(或局部区域)建立一个混合结构的神经网络背景模型,模型由一个4层前馈神经网络组成,输入层接受像素HSV特征,特征层实现特征提取功能,模式层以概率神经网络的方式完成像素属于背景概率的计算,输出层以赢者取胜的方式完成前景背景分类和模式层激活节点选择功能.网络的权值和结构随着视频中运动检测过程动态更新,无需独立的训练视频.网络的自适应性表现在网络的学习速率根据相邻帧运动差异自适应计算得到,且网络中的模式节点个数根据权重的变化动态增加或删除.实验结果表明,本文提出的方法在无需手工设置学习速率的情况下,运动区域检测准确率优于其他几种常见的运动检测背景模型,对背景或灯光的突然变化适应速度很快.

光电混合实现全双极WTA模型的新方法

提出了一种光电混合实现全双极Ｗｉｎｎｅｒ－Ｔａｋｅ－Ａｌｌ（ＷＴＡ）神经网络模型的新方法，并应用于ＷＴＡ模式识别系统，给出了实验结果。该方法能更有效地利用系统空间，取阈方便，能够进行非存储模式的判断和容错性识别，使系统具有更大的存储容量和寻址能力。

一种新的单极相似度判别法及其光电实现

提出一种新的单极神经元相似度判别法，提高了单极ＷＴＡ模型的存储容量，且能将与存储模式相差较大的输入模式判别出来，同时给出了光电实现系统及实验结果，单极模型的这一改进，使得单极系统具有全双极模型的特性，而且系统的空间和时间带宽积得到充分的利用。

用模糊神经网络求解多级交换网路由重排问题

研究利用人工神经网络求解多级交换网路由重排问题，提出了一种求解路由重排问题的模糊控制神经网络算法。大量的计算机模拟结果表明，该算法与其它同类算法相比较具有收敛速度快，结果有效性高，自适应性强等特点。利用ＴＭＳ３２０Ｃ３０数字信号处理器构成了虚拟硬件系统，实时实现了多级交换网路由重排控制器，理论计算与测试结果一致。该工作为神经网络与模糊系统相结合探索了一条新的途径。