不同图样间联想的神经网络模型

本文讨论了Hopfield模型和其恢复特性。提出了不同图样间联想模型,推导了主态和辅态为初态时该模型的演化结果。对于30个随机图样、400个神经元组成的神经网络,给出了计算机模拟计算结果。并且讨论了不同情况下Hopfield模型和图样间联想模型的计算结果。     

近存储饱和状态下联想学习记忆的神经网络模型

本文提出了神经网络在近饱和状态下的一种联想学习记忆模型.讨论了该模型的主要特性,对由100个神经元、记忆10个随机图样组成的网络系统给出并分析了计算机模拟结果,讨论了该模型的学习律与传统的Hebb学习律的区别,研究了网络在学习记忆和联想新态时初始噪声Pi和联想噪声Pa对新态恢复行为的影响,总结了在近饱和状态下该模型所具有的优势.     

主动联想记忆神经网络模型

在信息编码能提高联想记忆的存贮能力和脑内存在主动活动机制的启发下,提出一个主动联想记忆模型。模型包括两个神经网络,其一为输入和输出网络,另一个为在学习时期能自主产生兴奋模式的主动网络。两个网络的神经元之间有突触联系。由于自主产生的兴奋模式与输入无关,并可能接近于相互正交,因此,本模型有较高的存贮能力。初步分析和计算机仿真证明：本模型确有比通常联想记忆模型高的存贮能力,特别是在输入模式间有高度相关情况下、最后,对提出的模型与双向自联想记忆和光学全息存贮机制的关系作了讨论。     

基于自联想神经网络的谷氨酸发酵故障诊断

研究了用自联想神经网络对谷氨酸发酵进行故障诊断。自联想神经网络采用一种带有瓶颈层的特殊结构,且具有单位总增益。在经过大量样本的训练之后,各变量之间能够建立起内在联系。输入信息通过瓶颈层前的压缩及瓶颈层后的解压缩过程,信息中的精华将被提取。应用自联想神经网络对发酵过程变量进行预处理,可以准确及时的进行谷氨酸发酵故障诊断。     

神经网络中伴随着搜索过程的联想

1982年J.J.Hopfield提出了他的神经网络模型,并发现它具有许多集合运算特性。由于这一模型与凝聚态理论的自旋玻璃模型有惊人的相似,可在研究中引人物理学的诸如统计力学等科学方法来考察神经网络的特性,其中对网络稳态条件的研究提出了网络综合的观点,即怎样决定突触矩阵和阈值等     

具有时滞的双向联想记忆神经网络的全局渐近稳定性

双向联想记忆模型是两层异联想网络,本文讨论了具有轴突信号传输时滞的双向联想记忆神经网络的全局渐近稳定性,得出了保证神经网络平衡点稳定的几个充分条件,所得到的结论对于具有时滞的连续双向联想记忆神经网络的设计和应用都是很有意义的。     

关于一类具有时滞的双向联想记忆神经网络的收敛性

研究了一类具有时滞的双层双向联想记忆模型的收敛性,给出了平衡点的存在性、唯一性、全局渐近稳定性的充分条件．     

短时记忆的神经网络模型

提出一个带有指针环路的短时记忆神经网络模型,模型包含两个神经网络,其中一个是与长时记忆共有的存贮内容表达网络,另一个为短时指针神经元环路,由于指针环路仅作为记忆内容的临时指针,因此,仅用很少的存贮单元即可完成各种短时记忆任务,计算机仿真证明,本模型确能表现出短时记忆的存贮容量有限和组块编码两个基本特征。     

Izhikevich神经元网络的同步与联想记忆

联想记忆是人脑的一项重要功能。以Izhikevich神经元模型为节点,构建神经网络,神经元之间采用全连结的方式;以神经元群体的时空编码（spatio-temporal coding）理论研究所构建神经网络的联想记忆功能。在加入高斯白噪声的情况下,调节网络中神经元之间的连接强度的大小,当连接强度和噪声强度达到一个阈值时网络中部分神经元同步放电,实现了存储模式的联想记忆与恢复。仿真结果表明,神经元之间的连接强度在联想记忆的过程中发挥了重要的作用,噪声可以促使神经元间的同步放电,有助于神经网络实现存储模式的联想记忆与恢复。     

神经网络模型在微生物工程中的应用

1微生物发醇过程和神经网络模型1．1微生物发酵过程优化微生物发酵过程优化对提高菌株生产能力和改善产品质量有重大意义。采用计算机控制可实现过程优化。发达国家早在刀年代即开始这方面的研究,我国起步于80年代。计算机控制软件实现的方法是借助于描述发酵过程的动力学模型     

基于神经网络的复介电常数重建算法

提出将一种神经网络的方法应用于微波断层成象,重建复的介电常数图象。微波断层成象发展了二十多年,仍然处于实验阶段,这是因为必须求解逆散射问题,它具有非适应性和非线性。为了改善其非适应性及非线性,引入适当的正则化过程并且应用神经网络的方法来求解这个问题。数值模拟实例证明了此方法的有效性。     

用神经网络法预测mRNA的剪接位点

用神经网络预测了mRNA的剪接位点,比较了在各种不同的情况下,神经网络的学习与预测的情况,讨论了能反映真实剪接位点预测情况的有效预测成功率,指出它可达64%,而且总的预测成功率可达98%.预测的相关系数为0.66.     

马尾松自疏规律的人工神经网络模型研究

森林自然稀疏规律的研究已经有了很大发展,并提出了许多经验的或理论的表达式。本研究介绍了人工神经网络方法,首次建立了马尾松人工林自然稀疏规律的三层前馈反向传播神经网络模型。仿真结果表明,人工神经网络模型能很好地符合实际的观测资料,具有良好的使用价值,从而丰富了该领域的研究方法。     

动态神经网络中的同步振荡

目前有一种假设认为同一视觉对象是由一群神经元的同步振荡活动来表征的。这一神经元发放活动的时间特性,是解决视觉信息处理中“结合问题（Ｂｉｎｄｉｎｇｐｒｏｂｌｅｍ）”的可能机制。本文用我们所提出的一种简化现实性神经网络模型［１］所构造的时滞非线性振子网络［２］,模拟生物神经网络的同步振荡活动。并考虑了振子各参数的设置与振荡活动的关系,以及网络振子间耦联对同步活动的影响．     

预测蛋白质二级结构的人工神经元网络方法

本文独立地建立了用人工神经元网络预测蛋白质二级结构的方法,并通过分析我们提出的分布矩阵(表达每一类构象被预测成所有各类构象的可能性的矩阵),对于这一方法的误差以及造成误差的可能的原因进行了较过去更为深入的分析.并在此基础上提出了一种修正的学习方法,结果对于规则二级结构(α螺旋和β折叠)的预测精度和相关系数均有提高.     

基于小波神经网络的图像去噪算法

生物医学图像在成像时不可避免地受到噪声影响,因此噪声去除是生物医学图像处理的一项重要研究课题。将小波神经网络引入图像去噪领域中,通过多种技术优化网络学习过程,最终建立一种图像去噪新算法。实验结果表明,该算法在去除噪声上优于传统的中值滤波等方法,并具有较强的鲁棒性;同时能够最大限度地保护图像的细节信息,具有很好的保真度。     

使用人工神经元网络方法预测蛋白质分子主链的二面角

本文使用人工神经元网络预测蛋白质分子主链的二面角,通过分别学习所有残基,成规则二级结构的残基,无规线团的二面角,结果表明由蛋白质分子的一级序列出发预测主链二面角,对于α螺旋成功率最高,β折叠次之,而无规线团的二面角和其一级序列相关很小,故难以预测.