竞争学习神经网络的译码功能研究

探讨了人工神经元网络竞争学习模型的纠错译码功能,通过对人工神经元网络竞争学习规则和平衡响应原理的分析,揭示了竞争学习的平衡响应与二值线性分组码的最大似然译码之间的等价关系。

人工语法学习模型述评

述评了近年来影响较大的四个人工语法学习模型———THIYOS分类器系统、竞争组块模型、范例模型和联系者模型。它们都认为 ,人工语法学习所获得的知识中 ,一部分以规则、组块、总体类似性以及激活模式等形式到达意识层面 ,另一部分则残存在力量模式中 ,确定什么内容适合到达意识层面 ;后者即为内隐知识。这四种模型各抒己见 ,各有特点 。

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.

BP机网络模型

文章提出了一种利用人工神经元网络方法BP机网络实现设计并训练一个印刷字符分类器 .程序采用MATLAB5 .