基于人工免疫网络的联想记忆器

本文提出一种利用人工免疫网络模型设计联想记忆器的方法。着重指出通过定义适当的补充机制形式,人工免疫系统如何应用 于解决联想记忆问题,仿真结果与其他熟知的模型所得结果进行了比较。

一种基于RCAM结构的联想记忆器

递归相关联想记忆（ＲＣＡＭ）的回忆规则不同于Ｈｏｐｆｉｅｌｄ网络之处在于前者在输入与记忆模式的相关值上作用一非线性函数．在文献［７］的基础上，文中对所涉及的非线性函数进行了进一步的研究，提出了利用截断较小相关值来提高记忆性能的方法，得到了一种新的具有ＲＣＡＭ结构的联想记忆器（ＴＲＣＡＭ）．理论分析表明该方法可大大地提高记忆器对任意输入的信噪比，仿真实验也显示此方法可显著增大记忆模型在保证一定纠错能力下的记忆容量．

对改进的联想记忆器的研究

运用统计物理学的平均场理论来研究改进的联想记忆器问题．通过对三阶输出函数的有关网络状态的稳定性讨论，提出了一种对伪态的影响加以削弱的方法。

一种提高递归相关联想记忆器(RCAM)容量的方法

本文从信噪比分析的角度对递归相关联想记忆(RCAM)模型中的非线性函数如何影响其性能的问题进行了研究,给出了一新的非线性函数。理论分析及仿真实验皆表明本文的模型有着更好的记忆性能。

时延双向联想记忆器的全局指数稳定性

利用Lyapunov泛涵方法并结合一些不等式技巧获得了一类具自连接的双向联想记忆时延系统平衡点的存在性和全局指数稳定的充分条件.

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 .

用平均场理论研究具有三阶输出函数的联想记忆

针对联想记忆器存在的根本的问题：除记忆的样本作为稳定状态外，还有伪状态出现，采用带有一个附加参数（即阈值）的三阶输出函数代替二阶输出函数；应用平均场理论研究该阈值在系统行为上有哪些效果，怎样选取该阈值使伪状态的吸引域达到最小；最后给出模拟结果来验证理论分析和综合的结果．

未来存储器技术

存储器技术的发展已跟不上处理器芯片技术的发展，其限制已成了制约计算技术发展的一个瓶颈。同时，传统的半导体工艺技术已逐渐逼近物理极限，难以大幅度提高存储器的性能。要有突破性的进展，就必须寻找完全崭新的存储技术。以下是一些正在研究和开发的存储新技术和相应的新型存储器，它们为未来的信息存储技术投射了一束希望之光。