Properties and Stability of Max-Product Fuzzy Bi-Directional Associative Memory

In this paper, a fuzzy operator of max-product is defined at first, and the fuzzy bi-directional associative memory (FBAM) based on the fuzzy operator of max-product is given. Then the properties and the Lyapunov stability of equilibriums of the networks are studied.

融合BiLSTM-CBA组合模型的高铁车载设备故障诊断

为提高高铁车载设备在运营维护过程中数据利用率,以CRH2型与CRH3型动车组列车中最具代表性的CTCS3-300T型车载设备的故障文本数据为例,提出一种将双向长短时记忆网络(BiLSTM)与关联规则分类器(CBA)技术相结合的车载设备故障诊断模型。首先,该模型通过Word2vec工具对车载设备故障文本进行词向量训练;其次,针对故障数据分布不平衡的问题,通过合成少数类过采样技术(SMOTE)算法,自动生成小类别文本向量数据;然后,利用BiLSTM获取故障文本特征;最后,采用CBA算法实现车载设备故障诊断,通过试验分析某铁路局近5年的车载故障文本数据。结果表明:该模型使故障诊断的精确率和召回率分别达到95.66%和96.29%,相较于未采用SMOTE算法的模型,其召回率提升11.77%;该模型能够保证整体分类准确率,同时,也具备较好的小类别分类性能。

Delay-Dependent Exponential Stability Criterion for BAM Neural Networks with Time-Varying Delays

By employing the Lyapunov stability theory and linear matrix inequality（LMI）technique,delay-dependent stability criterion is derived to ensure the exponential stability of bi-directional associative memory（BAM）neural networks with time-varying delays.The proposed condition can be checked easily by LMI control toolbox in Matlab.A numerical example is given to demonstrate the effectiveness of our results.

基于Lukasiewiczt-模的模糊双向联想记忆网络的有效学习算法

利用t-模的伴随蕴涵算子,为基于Max和TL合成的模糊双向联想记忆网络Max-TLFBAM提供了一种新的学习算法,此处TL是Lukasiewiczt-模算子。从理论上严格证明了,只要存在有连接权矩阵对使得任意给定的模式对集成为Max-TLFBAM的平衡态集,则依该学习算法所确定的连接权矩阵对是所有这样的连接权矩阵对中的最大者。并用实验验证该学习算法的有效性。

内在情感对癌症发生风险的影响:基于孟德尔随机化研究

目的探究内在情感(幸福感、抑郁情绪、忧虑和内疚感)与癌症(结直肠癌、肝癌、甲状腺癌、肺癌、乳腺癌)的因果关系。方法采用两样本双向孟德尔随机化方法。所有数据基于全基因关联研究(GWAS)汇总数据。逆方差加权法(IVW)得到的结果作为主要结局指标,加权中值法(WM)、MR-Egger法作为补充结果,评价指标为比值比(OR),并进行敏感性分析。结果对于抑郁情绪,提示与肺癌(OR=1.005,95%CI:1.001~1.009,P=0.015)显著相关。对于忧虑,提示与乳腺癌(OR=1.199,95%CI:1.011~1.423,P=0.038)显著相关。对于内疚感,提示与甲状腺癌(OR=2.083,95%CI:1.080~4.017,P=0.029)显著相关。在去除MR-PRESSO检测到的所有潜在多效性SNPs后,忧虑与乳腺癌的关联无统计学差异(P=0.064),忧虑与结直肠癌显著相关(OR=0.739,95%CI:0.571~0.956,P=0.021)。癌症与内在情感之间的关联未发现存在因果关系。结论抑郁情绪与肺癌发生风险增加相关,内疚感与甲状腺癌发生风险增加相关,忧虑可能与结直肠癌发生风险降低相关。

推广的多值指数双向联想记忆模型及其应用

推广了Wang的多值指数双向联想记忆(multi-valued exponential bi-directional associative memory,简称MV-eBAM)模型,使其成为所提出的推广的多值指数双向联想记忆 (extended MV-eBAM,简称EMV-eBAM) 模型的一个特例.EMV-eBAM具有比前者更高的存储容量和纠错性能,因此利用这种性能,设计了一种基于联想记忆的新型图像压缩算法.该算法在无噪声情况下具有与矢量量化(vector quantization,简称VQ)算法相近的性能,而在双重(信道和图像)噪声环境下则具有显著的抑制效果.对比实验结果显示,在添加5%椒盐噪声下,该算法几乎能完全排除噪声干扰,而VQ则反而放大了噪声.该算法的另一个优点是,当在差错信道中传送时,可以获得比采用循环纠错码更强的纠错性能.因而,该算法具有较强的鲁棒性.

时滞杂交双向联想记忆神经网络的全局指数稳定性

在近十几年里 ,已提出了一类与双向联想记忆相联系的神经网络模型 ,这些模型推广了单层自联想Hebbian相关器为两层异联想模式匹配器 ,因而 ,这类网络在模式识别、信号与图像处理等领域中有广阔的应用前景 研究了带离散时滞杂交双向联想记忆神经网络的收敛特性 ,利用Halanay型不等式获得了网络全局指数稳定性的充分条件 ,所得结果是与时滞无关的 ;已证明利用Halanay型不等式获得的结果改进了由Lyapunov方法获得的结果 ,而且获得的结果容易判定 。

模糊双向联想记忆网络的有效学习算法

基于模糊取大运算和爱因斯坦s-模提出新的模糊双向联想记忆网络模型(Max-Ses FBAM),并为该网络提出了一种新的学习算法。在理论上严格证明了,任意给定的模式对集,只要存在有连接权矩阵对使其为Max-Ses FBAM的平衡态集,则依该学习算法所确定的连接权矩阵对(,)是所有这样的连接权矩阵对中的最大者;且该最大连接权矩阵对能使Max-SesFBAM对任意输入在一步内就进入平衡态。

不确定双向联想记忆神经网络的稳定性分析

对双向联想记忆神经网络研究了平衡点的鲁棒稳定性.该网络的参数不确定,并且有时变时滞.当神经网络的激励函数满足Lipschitz连续性条件时.通过选取合适的Lyapunov-Krasovskii函数,建立了两个全局鲁棒稳定判据.由于这些判据考虑了神经元激励作用和抑制作用对网络的影响,他们和时变时滞的数值无关,并且易于使用内点算法进行检验.在注释中和已有的结果进行了对比.两个数值例子展示了所得结果的有效性.

基于匹配滤波模型神经网络在数控机床故障诊断中的应用

为了改善双向联想记忆(BAM)神经网络的性能,提出了一种修正模型.该模型能增强神经网络的记忆容量和容错联想能力,具有渐进稳定的特征,并且改进了网络平衡状态的稳定性和吸引性能.理论分析和实验结果证明,这种修正模型不仅能正确完成数控(CNC)机床的故障诊断,而且对于存在干扰的输入信号序列具有很好的容错联想能力.

时变时滞双向联想记忆神经网络的鲁棒稳定性

通过构造适当的Lyapunov泛函分析了一类时变时滞双向联想记忆神经网络的平衡点稳定性问题。不要求激励函数的单调性和可微性,得到了保证时变时滞双向联想记忆神经网络的平衡点全局鲁棒渐近稳定的两个新判据。所得到的结果能够表示成线性矩阵不等式形式,进而易于用内点算法等方法来验证。通过仿真例子与其他文献中的一些结果进行比较,表明了本文所得结果的有效性。

一般多值双向联想记忆模型及其在IP地址识别中的应用

通过引入模式相似度的概念,给出了一个一般的多值双向联想记忆模型.该模型囊括了Wang的指数式多值双向联想记忆(Mv-eBAM)以及多项式多值双向联想记忆(PBHC),并衍生出几种新的多值双向联想记忆模型,即正切联想记忆(HTBAM)和柯西联想记忆等.其中侧重对比讨论了HTBAM和Wang的PBHC模型,模拟结果显示HTBAM具有和PBHC相当的存储容量,且纠错性能显著提高.最后利用此性能,将HTBAM用于IP地址识别中,给出了一种新颖的联想IP路由查找方法.

时滞离散时间双向联想记忆模型的研究

提出一类时滞离散时间双向联想记忆神经网络模型 ,研究了平衡点的全局吸引性 。

一种新型双向联想记忆神经网络

提出了一种新型双向联想记忆神经网络,此网络将两个相互关联的模式以模式对的形式存储在由N个连接构成的模式环中,记忆容量为22N数量级,完全消除了假模式对、能够全部或部分地回忆出与输入模式对具有最小Hamming距的被记忆的模式对,同时具有较高的记忆效率和可靠性。连接由“连接状态”和“禁止路径”组成,前者直接存储二进制模式对向量的分量,后者用于消除假模式;此神经网络具有正向联想、逆向联想和自联想方式,使得网络能更灵活有效地满足不同的回忆要求。

具有时滞的双向联想记忆神经网络的指数稳定性和周期解的存在性

通过构造 L yapunov泛函和运用不等式分析技巧 ,得到了判断一类时滞双向联想记忆神经网络平衡点的指数稳定性和周期解的存在性的充分条件 。

论教育与经济的双向关联及协调发展

在知识经济时代,教育和经济的关系变得更为密切。投入产出关系是教育与经济关联的基础,前向联系和后向联系反映了教育与经济关联的基本方式,而双向关联特征使教育与经济的关联具有了特殊性和复杂性。教育与经济之间的密切关系决定了教育与经济的相互影响是强烈的,而教育与经济的相互协调是任何一方持续发展的重要条件。为此,解决我国教育发展滞后于经济发展的问题是相当紧迫的,而大力推进教育体制、教育结构和教育投入等方面的改革是主要措施。

噪声环境中时滞双向联想记忆神经网络指数稳定

任何系统实际上都是在噪声环境中进行工作的.对处在噪声强度已知的噪声环境下双向联想记忆(BAM)神经网络,其平衡点具有指数渐近稳定性是网络进行异联想记忆的基础.构造一个适当的Lyapunov函数,应用It^o公式、M矩阵等工具讨论了在噪声环境下具有时滞的BAM神经网络概率1指数渐近稳定,得到了指数稳定的代数判据和两个推论,此判据只需验证仅由网络参数构成的矩阵是M矩阵即可,给网络设计带来方便.本文所得结果包括相关文献中确定性结果作为特例.

二阶时滞的双向联想记忆神经网络的稳定性分析

讨论了二阶时滞的双向联想记忆神经网络平衡点的全局稳定性 ,利用 L yapunov函数和不等式技巧得到了网络平衡点的全局渐近稳定和全局指数稳定的几个充分条件 .

基于BAM神经网络的推理研究

推理作为人工智能领域中的一个重要课题，是人类求解问题的主要思维方法。人们在处理问题或人工智能领域中进行推理机设计时，往往根据问题及所处环境不同，考虑不同的推理策略以提高其效果或效率。正向推理、反向推理及双向推理为三种基本的推理策略。双向联想记忆（ＢＡＭ）神经网络是一类具有双向稳定性的反馈系统，具有简单、可靠、易于实现的特点。将双向联想记忆（ＢＡＭ）神经网络用于推理是人工智能领域中进行推理机设计的新途径。在分析了ＢＡＭ网络用于推理，尤其是双向推理的理论依据上，研究了ＢＡＭ网络在不同推理策略下的运行方法，通过实例说明了该方法的运作方式，最后就存在的网络容量等问题进行了讨论，指出了进一步研究的方向。

带阈值的广义双向细胞联想神经网络GCBAM及其稳定性质研究

在提出双向细胞联想神经网络CBAM的基础上 ,通过引入阈值概念 ,进而提出了广义双向细胞联想神经网络GCBAM ,研究了其平衡态 ,存在性质及其Lyapunov意义下的网络稳定性质。