期刊文献+
共找到7篇文章
< 1 >
每页显示 20 50 100
约束最小平方双向联想存贮器
1
作者 陈松灿 朱兆达 《电子学报》 EI CAS CSCD 北大核心 1996年第11期22-24,共3页
基于KoskO的双向联想存贮(BAM)和Kohonen的广义逆存贮的思想,本文提出了一种约束最小平方双向联想存贮器模型(CLSBAM),其联想存贮阵(或连接阵)满足Lyapunov型方程。与BAM不同,CLSBAM能... 基于KoskO的双向联想存贮(BAM)和Kohonen的广义逆存贮的思想,本文提出了一种约束最小平方双向联想存贮器模型(CLSBAM),其联想存贮阵(或连接阵)满足Lyapunov型方程。与BAM不同,CLSBAM能处理实数类数据;与Kohonen模型亦不同,它不仅是双向联想的,而且在本文的一种约束下联想性能达到最优。通过矩阵奇异值分解(SVD)的分析及所进行的计算机模拟证实了所提模型的可行性。 展开更多
关键词 广义逆 双向联想存贮 奇异值分解 约束 存贮
下载PDF
一种新的高阶联想存贮模型
2
作者 高航 陈松灿 《微电子学与计算机》 CSCD 北大核心 1998年第2期52-53,共2页
由于Kohonen模型对噪声极端敏感,Murakami提出一个利用带噪输入优化Kohonen模型的最小平方联想存贮模型(LSAM),大大降低了原有模型的噪声敏感性。但是与Kohonen模型一样,LSAM模型的联想存贮能力随着样本数的增加而大大下降。本文... 由于Kohonen模型对噪声极端敏感,Murakami提出一个利用带噪输入优化Kohonen模型的最小平方联想存贮模型(LSAM),大大降低了原有模型的噪声敏感性。但是与Kohonen模型一样,LSAM模型的联想存贮能力随着样本数的增加而大大下降。本文提出一种高阶联想存贮模型,对LSAM模型作了改进,使原有模型的联想存贮能力得到极大地提高。计算机模拟结果证实了这一点。 展开更多
关键词 高阶联想存贮 存储器 高阶
下载PDF
线性联想存贮器在自动控制中的应用
3
作者 朱若谷 林敏 《控制理论与应用》 EI CAS CSCD 北大核心 2001年第1期99-101,共3页
简介线性联想存贮器的工作原理和实现方法 ,它们已应用于光通讯、谱分析、衍射光学、射电天文学、电子显微术等与信息处理、图像恢复或图像识别相关的近代光电子技术领域 .然而本文探讨该方法在自动控制建模中的应用是一种新的尝试 ,尤... 简介线性联想存贮器的工作原理和实现方法 ,它们已应用于光通讯、谱分析、衍射光学、射电天文学、电子显微术等与信息处理、图像恢复或图像识别相关的近代光电子技术领域 .然而本文探讨该方法在自动控制建模中的应用是一种新的尝试 ,尤其对复杂对象的研究 .我们把它与神经网络法比较 ,发现在非线性对象的线性化过程中 ,它具有花时更省、精度更高和鲁棒性的特点 .也讨论计算机模拟实验 。 展开更多
关键词 线性联想存贮 非线性对象线性比 自动控制 建模
下载PDF
基于循环多层神经网络的联想存贮器
4
作者 王国胤 施鸿宝 《上海铁道大学学报》 CAS 1996年第2期55-62,共8页
提出一种基于循环多层神经网络的联想存贮器模型,它同时具备Hopfield联想存贮器神经网络以及多层前向神经网络的特性,可以用于构造自相联存贮器和模式识别。作为联想存贮器,其存贮记忆能力强于Hopfield网络。还证明... 提出一种基于循环多层神经网络的联想存贮器模型,它同时具备Hopfield联想存贮器神经网络以及多层前向神经网络的特性,可以用于构造自相联存贮器和模式识别。作为联想存贮器,其存贮记忆能力强于Hopfield网络。还证明了Hopfield网络仅仅是基于循环多层神经网络的联想存贮器的一种特例。 展开更多
关键词 神经网络 循环网络 联想存贮
下载PDF
线性联想存贮器在图像恢复中的应用 被引量:1
5
作者 朱若谷 《光学仪器》 1997年第Z1期144-144,共1页
简要介绍线性联想存贮器的工作原理和实现方法,它们已被成功地应用于光通讯、谱分析、衍射光学、射电天文学、电子显微术与信息处理.图像恢复或图像识别相关的近代光电子技术领域。
关键词 线性联想存贮 图像恢复/识别
下载PDF
一种改进联想存贮器误差的方法
6
作者 张胜伟 邹理和 《信号处理》 CSCD 北大核心 1991年第2期94-100,共7页
基于近代回归分析理论,本文提出了一种改进广义逆联想存贮器的新方法.理论分析和计算机模拟都表明该方法具有明显的误差改善效果.
关键词 联想存贮 神经网络 误差 存贮
下载PDF
基于矢量量化及Hopfield模型的灰度级图像识别
7
作者 李志能 陈抗生 《光学学报》 EI CAS CSCD 北大核心 1998年第1期112-117,共6页
提出了一种新的识别灰度级图像的方法,该方法基于矢量量化的基本思想,通过对图像的分割,将灰度级图像映射成神经元仅取少数几种状态(低态)的Hopfield神经网络模型。理论和模拟实验证明:这种低状态的Hopfield网络... 提出了一种新的识别灰度级图像的方法,该方法基于矢量量化的基本思想,通过对图像的分割,将灰度级图像映射成神经元仅取少数几种状态(低态)的Hopfield神经网络模型。理论和模拟实验证明:这种低状态的Hopfield网络模型与传统灰度级图像识别模型相比,不仅神经元的数目较少,互连密度较低,而且网络具有较好的联想能力。 展开更多
关键词 联想存贮 神经网络 灰度级 图像识别 矢量量化
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部