最优联想映射噪声衰减因子的计算

在常见的一些多元分布的情形下 ,对最优联想映射中的随机噪声︷的衰减因子作了研究 ,结果表明 ,当随机噪声 ︷的密度函数可交换时噪声衰减因子为 m/n ,而 Kohonen等人在 [1 ],[2 ]中曾用了大量的篇幅所证得的结论仅为本文所得结果的一种特例。本文对非对称多元正态分布及非对称椭球分布情形下噪声衰减因子的研究表明 ,此时衰减因子不再是 m/n。

一种具有学习功能的离散双向联想记忆(英)

提出了一种基于连续的线性双向联想记忆（LBAM）的离散双向联想记忆（DBAM）．DBAM双向地进行K。honen提出的最优联想映射．同作者已提出的LBAM和NBAM一样，DBAM可保证对所有已存储模式的回忆，并具有较现有其它BAM高得多的容量，还和NBAM一样具有对输出模式中噪声的强抑制能力，并因此大大减少了伪记忆．给出了对DBAM的推导并证明了其稳定性．还推导了DBAM的学习算法，该算法具有选代形式，使网络易于学习新模式同NBAM相比，DBAM易于用软件实现．

面向读者信息需求的浏览空间

提出面向读者信息需求的浏览空间 .该浏览空间是由基于读者的信息需求所生成的web页面构造的 ,并且web的信息显示方式和页面之间的链接都是以读者的逻辑思维为依据 .最后 。