基于神经元协同激励的稳定时间可控情景记忆

情景记忆(Episodic memory)被认为是学习与记忆、感觉信号的加工和处理等认知功能的一个重要表现。在大脑的运行过程中,模式的稳定时间是可变化的。为了更好的模仿真实大脑在情景记忆过程中的状态,提出了一种基于神经元协同激励的不同模式的稳定时间不同的情景记忆模型。在本模型当中,模式和输入模式之间的相似性控制模式的稳定时间,相似度和模式稳定时间成正相关。同时,神经元协同激励情景记忆存储容量比传统的情景记忆模型得到明显的提高,并且存储容量和网络规模成指数比例关系。

一个新的高阶双向联想记忆模型及其性能估计

提出了一个新的高阶双向联想记忆模型．它推广了由Ｔａｉ及Ｊｅｎｇ所提出的高阶双向联想记忆模型ＨＯＢＡＭ（ｈｉｇｈｅｒ－ｏｒｄｅｒｂｉｄｉｒｅｃｔｉｏｎａｌａｓｓｏｃｉａｔｉｖｅｍｅｍｏｒｙ）及修正的具有内连接的双向联想记忆模型ＭＩＢＡＭ（ｍｏｄｉｆｉｅｄｉｎｔｒａｃｏｎｎｅｃｔｅｄｂｉｄｉｒｅｃｔｉｏｎａｌａｓｓｏｃｉａｔｉｖｅｍｅｍｏｒｙ），通过定义能量函数，证明了新模型在同步与异步更新方式下的稳定性，从而能够保证所有被训练模式对成为该模型的渐近稳定点．借助统计分析原理，估计了所提模型的存储容量．计算机模拟证实此模型不仅具有较高的存储容量，而且还具有较好的纠错能力．

STABILITY OF THE HIGH-ORDER BAM AND ITS PERFORMANCE ANALYSIS

由Ｔａｉ提出的高阶双向联想存储器（ＨＯＢＡＭ）推广了Ｋｏｓｋｏ的ＢＡＭ，它不仅拥有ＢＡＭ的优点，而且放宽了连续性假定以得到可靠的回忆，并大大改进了ＢＡＭ的存储容量和纠错性能。然而，Ｔａｉ对于ＨＯＢＡＭ的性能分析仅限于计算机模拟，并没有给出理论分析结果。本文填写了此方面空白，并给出ＨＯＢＡＭ稳定性和存储容量的理论证明，使得该系统能从理论上得以保证所有训练模式对成为其稳定点。

双向联想记忆模型的改进及其在智能故障诊断中的应用仿真

在讨论对基本的双向联想记忆模型(BAM)的各种改进方法的基础上,提出了利用误差逆向传播算法的新双向联想记忆模型(BAM-EBP).在 BAM-EBP 的结构中,引入了隐含层和隐节点,并应用改进的快速 EBP 算法实现两个空间的联想映射。然后,对基本的 BAM 和 BAM-EBP 模型在控制系统中的智能故障诊断进行了应用仿真和分析比较.结果和分析表明,两种模型用于对控制系统进行智能故障诊断均是有效的,而 BAM-EBP 模型更好地汲取了人的认知能力,特别在容错、信息存储量、适应性等方面具有更高的性能.

基于小世界体系的指数自联想记忆模型研究

全互连结构是大多数神经联想记忆模型采用的连接方式.然而,无论从神经生物学的观点还是从硬件实现角度出发,在确保局部连接占主体地位的情况下,最小化神经元间的连接长度是合乎逻辑的.由Watts和Strogatz提出的小世界体系(SWA)为解决这一问题提供了一条有趣途径.借鉴这一具有一定神经生物学特点的小世界体系,构建出一个基于小世界体系的指数自联想记忆模型(SWEAM),其在结构上更接近人脑的生物学特性,同时在存储容量和抗噪声性能上优于现有的同类联想记忆模型.因采用了SWA,SWEAM在工艺实现上也更容易.

MP 模型中谱算法容量分析

在二元ｎ维向量状态空间中考虑了一个联想记忆模型。主要讨论了谱算法，给出其存贮容量为ｎ，并运用概率论、随机过程、线性代数和矩阵论等理论和方法从数学上加以严格证明。

MP模型中外积法容量分析

在二元ｎ维向量状态空间中考虑了一个联想记忆模型，它是一个具有点态确定规则的线性网。主要讨论了外积和存贮算法，给出其存贮容量并运用概率论、随机过程和线性代数从数学上加以证明。

一种指数型动态神经网络的定性分析

研究了由Ｔ，Ｄ．Ｃｈｉｕｃｈ和Ｒ．Ｍ．Ｇｏｏｄｍａｎ在１９８８年提出的指数型动态神经网络，给出了给定标准模式为该网络稳定点的一个简明的充分条件，并得到了这类稳定点的一步收敛半径。指出了在概率意义下系统不存在伪稳态。

Hopfield神经网络中的数学问题

Ｈｏｐｆｉｅｌｄ人工神经网络和多层网络模型中有许多基本的数学问题，其中，最重要的是存储容量的问题，即吸引子的个数，在以往的文章中，大多数都以概率模型为背景，本文从组合论的角度提出了几个问题。我们把Ｈｏｐｆｉｅｌｄ网络中的状态按连接矩阵所构成的变换分类，网络的容量就是类的个数。我们得出了一些基本结果，还有一些有意义的问题，如多层网络中的结构是否可交换等问题，还有待进一步研究。