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。     

短时记忆的生物物理学模型

采用心理物理函数模拟短时记忆期间神经元的电活动方式。通过“整合－发放”网络模型研究了短时记忆的容量、遗忘和复述等问题。计算机模拟的结果较符合实际的心理过程。通过对心理物理函数中诸参数的考察,发现元的后去极化电位与记忆容量呈线性关系。另外,网络中神经元的耦合方式也是记忆存储的决定性因素,其它如脑电振荡,后去极化电位延迟时间和前馈耦合延迟时间的影响也分别进行了讨论     

一个仿真突触超微结构的三阶神经网络模型

神经系统内突触类型的多样性是与其机能的复杂性密切相关的.考虑到这一特性.本文用一个三阶神经网络模型仿真突触超微结构中的复合型连续性突触结构.作出了该模型的理论推导和分析.对由40个单元组成的网络系统作了计算机仿真、所得结果表明其存储容量可达680个图样.对其吸引盆也进行了仿真分析,对新模型与传统的Hebb学习律下的Hopfield模型进行了对比仿真.发现新模型具有比后者快得多的演化速率.     

具有变时滞竞争神经网络的指数稳定性

利用微分方程组的基解矩阵及推广的Halanay微分不等式等分析技巧,讨论了一类具有不同时间尺度的变时滞竞争神经网络的平衡点存在和唯一性,并给出指数稳定性判定的充分条件,最后通过数值仿真实例检验结果的正确性.     

具有节点偏置的高阶神经网络模型

在汪涛文献基础上提出了一个具有节点偏置的高阶神经网络模型、给出了模型的哈密顿量和学习算法,证明了学习算法的收敛性,该模型能对每一神经元自动引入一个节点偏置使得网络能够存储所有学习图样包括相关图样,其存储容量远高于Hebb—rule—like学习算法下的高阶神经网络模型.对由30个神经元组成的二阶神经网络进行了计算机仿真,结果证实了上述结论.此外,对初始突触强度对学习效果的影响和不同存储图样数目下的平均吸引半径进行了仿真计算并分析了所得结果.新模型的特点使其具有良好的应用前景     

一类具有时滞的神经网络模型的收敛性

运用Lyapunov泛函方法,讨论一类具有时滞的神经网络模型平衡点的全局渐近稳定性,并获得一个新的充分条件．     

具有抑制剂和营养循环的恒化器竞争模型

在具有抑制剂的恒化器竞争模型中考虑营养循环的作用,得到系统有界和持久的充分条件。     

一个具有竞争关系的Lotka-Volterra模型全局结构分析

本文利用微分方程定性理论,对一类具有竞争关系的两种群Lotka-Volterra模型进行了系统全局结构分析,并给出了相应的结论.     

具有时滞的细胞神经网络模型的全局指数稳定性

利用拓扑度理论、推广的Halanaly矩阵时滞微分不等式、Lyapunov原理以及Dini导数,研究了具有时滞的细胞神经网络模型的全局指数稳定性．去掉了有关文献中要求输出函数fj在实数集R上有界、可微的条件,给出了更弱的判定平衡点的存在唯一性以及全局指数稳定性的判据,推广和改进了前人的相关结论,最后的数值例子说明本文结果不仅保守性小,而且计算简单．     

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