中立联想记忆神经网络鲁棒稳定性新准则

针对一类具有离散时滞和参数范数有界的不确定性中立联想记忆神经网络的全局渐近鲁棒稳定性问题进行了研究。通过应用范数理论和矩阵不等式分析方法,并构造合适的Lyapunov-Krasovskii泛函,推导出了与时滞无关的新稳定性判定准则,用于保证神经网络的平衡点是全局渐近鲁棒稳定的。该准则中包含的未知参数少、计算复杂度低,易于验证。仿真算例验证了新判定准则的有效性。

基于离散双向联想记忆神经网络的多元通信系统

针对噪声导致非线性数字通信系统传输信号的差错概率增加的问题,提出一种基于离散双向联想记忆(BAM)神经网络的多元通信系统。首先,根据需要传输的信号,选取适当的神经元数量和记忆向量,计算权值矩阵,并生成BAM神经网络;然后将多元信号映射为具有调制幅度的初始输入向量并不断输入系统,通过神经网络进行循环迭代,并向各神经元添加高斯噪声,之后按照码元间隔采样输出并在无损信道中传输,接收端依据判决规则译码判决;最后在图像处理领域,利用所提系统传输图像压缩后的数据并解码恢复图像。仿真结果表明,对于码元间隔较大的弱调制信号,随着噪声强度的增加,差错概率先减后增,随机共振现象比较明显;差错概率还与信号的进制数呈正相关关系,与信号幅度、码元间隔和神经元个数呈负相关关系,某些条件下,差错概率可以达到0。以上结果表明BAM神经网络可以通过噪声改善数字通信系统的可靠性。另外,解码恢复图像的相似度显示了适量噪声对图像恢复效果的改善,扩展了BAM神经网络和随机共振在图像压缩编码中的应用。

四元数双向联想记忆神经网络的固定时间控制

将双向联想记忆(bidirectional associative memory,BAM)神经网络扩展到四元数域,提出了一类新的四元数双向联想记忆神经网络(quaternion-valued bidirectional associative memory neural networks,QVBAMNNs)。通过对四元数的分解并运用微分包含理论,将原始的四元数值系统转化为等价的实值系统,并利用Lyapunov方法研究了主从QVBAMNNs的固定时间同步问题。通过设计一个不连续状态反馈控制器,得到了保证QVBAMNNs达到固定时间同步的新准则。最后,通过数值仿真验证了所得结果的正确性。

基于神经网络词嵌入模型的单词联想记忆系统设计

针对传统单词记忆软件因缺乏语境与单词关联造成的学习效率低下问题,文章采用Pytorch深度学习框架,基于神经网络构建词嵌入模型进行单词联想记忆系统设计。在待学习的英语语料上训练模型并生成词嵌入向量,计算英文单词之间的相似度,通过相似度进行单词关联分析。使用SpringBoot构建后端系统,使用VUE技术构建前端页面,设计并实现单词联想记忆系统。系统依据学习进度,将关联单词及其相应语境图片进行可视化展示,达到单词联想记忆的效果,从而提升单词的记忆效率。

双向联想记忆神经网络的全局指数稳定性

在研究双向联想记忆神经网络时,通常都假设输出响应函数是光滑的增函数,但实际应用中遇到的大多数函数都是非光滑函数。因此,本文将双向联想记忆神经网络的输出响应函数连续可微的假设削弱为满足Lipschitz条件,通过引入Lyapunov函数,利用不等式的方法,证明了双向联想记忆神经网络全局指数稳定性的一个定理。

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。

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。

双向联想记忆神经网络的一种编码策略

本文提出一种双向联想记忆神经网络的按‘位’加权编码策略，并给出了求取权值的速推算法．它将Ｋｏｓｋｏ双向联想记忆神经网络按海明距离进行模式匹配的原则，修正为按加权海明距离进行模式匹配，从而可以使得对不满足连续性的所谓“病态结构”的一类样本模式集，同样具有良好的联想能力．对二值图象模式存贮、联想的计算机模拟实验表明，此方法具有优良的性能和实用价值．

模糊联想记忆神经网络模型在地震预报中的应用

介绍了模糊联想记忆ＦＡＭ（ＦｕｚｚｙＡｓｓｏｃｉａｔｉｖｅＭｅｍｏｒｙ）神经网络模型、ＦＡＭ自适应学习算法以及ＦＡＭ推理机的原理，并成功地将其用于“新一代的地震预报专家系统ＮＧＥＳＥＰ”，使得系统既具有良好的学习功能。

具有时滞的双向联想记忆(BAM)的神经网络的全局动力学行为

在没有假定关联函数的光滑性,单调性和有界性的条件下,应用Liapunov泛函方法和矩阵代数技术,得到具有常数传输时滞的双向联想记忆(BAM)的神经网络模型平衡点存在性和全局指数稳定性的一些新的充分条件,这些条件可以由网络参数,连接矩阵和关联函数的Lipschitz常数所表示的M矩阵来刻化· 这些结果不仅是简单和实用的。

基于约束区域的连续时间联想记忆神经网络

传统的联想记忆神经网络模型是根据联想记忆点设计权值．文中提出一种根据联想记忆点设计基于约束区域的神经网络模型，它保证了渐近稳定的平衡点集与样本点集相同，不渐近稳定的平衡点恰为实际的拒识状态，并且吸引域分布合理．它具有学习和遗忘能力，还具有记忆容量大和电路可实现优点，是理想的联想记忆器．

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的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。

基于混沌神经网络动态联想记忆的电机故障诊断

采用一种由混论神经元构成的神经网络，通过研究其非线性动力学特性、混炖吸引子轨迹以及对初始条件的敏感性，实现混炖神经网络的动态联想记忆。在此基础上，应用混沌神经网络对异步电动机鼠笼转子断条故障进行动态记忆和恢复。研究结果表明，基于混炖神经网络的故障诊断有助于故障模式的记忆和重视。

基于联想记忆神经网络模型的BP算法

提出一种改进神经网络BP算法的识别训练系统。实验结果表明,基于联想记忆神经网络模型的BP算法,大大降低样本可变系统的网络训练次数。该系统有效降低样本可变系统的网络训练时间,为BP算法应用于对实时性要求高的场合提供算法基础。

联想记忆神经网络的一个有效学习算法

提出一种新的联想记忆网络模型的有效学习算法，它具有下述特点：（１）可以全部存储任意给定的训练模式集，即对于训练模式的数目和它们之间相关性的强弱没有限制；（２）最小的训练模型吸引域达到最大；（３）在（２）的基础上，每个训练模式具有尽可能大的吸引域；（４）联想记忆神经网络是全局稳定的．

一种基于浑沌理论的联想记忆神经网络模型

根据联想记忆神经网络的基本原理，提出了一种基于浑沌理论的联想记忆神经网络模型及相应的求解方案，并对该种模型进行了预报试验。结果表明，该种模型的历史预报准确率和实际预报准确率均超过一般随机预报。

综合联想记忆神经网络的外积取等准则

本文提出了一个新的联想记忆设计准则，即外积取等准则，它具有外积和准则的所有优点。由外积取等准则设计出的联想记忆网络能够存储任意给定的训练模式，即对于训练模式的数目和它们之间相关性的强弱没有限制。外积取等准则可用来定量地评价记忆模式向量各分量对于记忆模式分类或识别的重要性。由外积取等准则设计出的网络的连接权值只取１、０或－１，因而网络易于光学实现。计算机实验结果充分说明了外积取等准则的有效性。

基于线性规划的联想记忆神经网络模型

提出一种基于优化线性函数的神经网络联想记忆器 ,打破了将待识别模式作为网络起始点的常规 ,它能保证渐近稳定的平衡点集与样本点集相同 ,吸引域分布合理 ,不渐近稳定的平衡点恰为实际的拒识模式 ,并且电路实现容易 ,对拒识模式有清楚的解释 .理论分析和计算机模拟都表明本文的模型是理想的联想记忆器 ,还可降低对硬件的精度要求 .

基于新型联想记忆神经网络的非线性系统辨识

Hopfield网络模型具有联想存储器功能,但对系统辨识不适用。具有动态记忆功能的Elman神经网络的泛化能力比较低。该文提出了一种新型联想记忆神经网络结构和学习算法,通过引入联想记忆衰减因子,提高了对非线性系统的辨识能力。通过与Elman动态神经网络辨识方法的仿真比较,说明联想记忆神经网络辨识方法具有很好的动态辨识能力和泛化能力。

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

In this paper, we propose a modified chaotic associative memory neural network(MCAM). It has two im-portant features :it can recall stored patterns from superimposed input; (2)it can deal with many-to-many associativememory. The computer simulations show the effectiveness of the proposed model.