导读:本文包含了模糊联想记忆论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:记忆,模糊,网络,双向,稳定性,爱因斯坦,算法。
模糊联想记忆论文文献综述
贾秀玲[1]（2017）在《一类带有时滞的模糊双向联想记忆神经网络模型周期解的全局指数稳定性》一文中研究指出利用M-矩阵理论、Halanay不等式和一些分析技巧证明了一类带有变时滞的非自治模糊双向联想记忆神经网络模型周期解的全局指数稳定性,通过一个实例说明了结论的正确性。(本文来源于《新乡学院学报》期刊2017年06期）
曾水玲[2]（2016）在《一种模糊双向联想记忆网络的性质研究》一文中研究指出基于已经提出的Lukasiewicz t-模算子的模糊双向联想记忆网络(FBAM)的学习算法,进一步研究该网络的性质。在理论上证明了只要存在使给定的模式对集合能成为FMBAM的平衡态集合,则该连接权矩阵对能使FMBAM对任意输入全局收敛到平衡态。当训练模式存在摄动时,利用该学习算法训练的FBAM,对训练模式摄动拥有好的鲁棒性。(本文来源于《控制工程》期刊2016年11期）
张强,苏扬,孟超,王莉[3]（2015）在《基于小世界模糊联想记忆模型的电机故障诊断研究》一文中研究指出将小世界网络体系与神经网络融合设计,提出了一种基于小世界体系的模糊联想记忆模型,采用伪逆学习规则设计联想记忆权值,然后计算权值模糊隶属度,最后动态构造小世界神经网络模型。针对电机故障诊断进行了应用研究,仿真结果验证了本文所提算法的模式存储和联想记忆的性能最优性。(本文来源于《大电机技术》期刊2015年03期）
高翔,马亨冰[4]（2014）在《模糊联想记忆网络的全局鲁棒性研究——基于爱因斯坦t-模》一文中研究指出利用叁角模的模糊联想记忆网络的性质以及模糊联想记忆网络的鲁棒性定义,对基于爱因斯坦t-模构建的模糊双向联想记忆网络的学习算法的全局鲁棒性进行了分析。从理论上证明了当训练模式的摄动为正向摄动时,该学习算法可以保持良好的鲁棒性,并用实验验证了该结论;而当摄动存在负向波动时该学习算法不满足全局鲁棒性。然后又进一步对训练模式集摄动最大摄动与输出模式集的最大摄动之间的关系进行研究,得出了训练模式集的最大摄动与输出模式集的最大摄动之间的关系曲线。(本文来源于《计算机工程与应用》期刊2014年05期）
陈桂英[5]（2014）在《带有阈值的广义模糊双向联想记忆网络的稳定性分析》一文中研究指出基于模糊取大算子"∨"和一类t-模"T"建立了带有阈值的∨-T型模糊双向联想记忆网络,证明了当T满足李普希兹条件时,系统的平衡点是Lyapunov稳定的,并给出系统为结构稳定的一个充分条件。最后用实例验证了结论的正确性。(本文来源于《山东大学学报(理学版)》期刊2014年01期）
曾水玲,徐蔚鸿,杨静宇[6]（2013）在《基于叁角模的模糊联想记忆网络》一文中研究指出当T为t-模时,基于模糊取大和T的模糊联想记忆网络(FAM)存在局限性,当T为叁角模,是t-模的广义形式,将这种FAM推广成基于Max-T的模糊联想记忆网络Max-TFAM.则Max-TFAM实现了从一个向量空间到另一向量空间的映射,从Max-TFAM的值域角度,分析了它的存储能力,并建立了一个叁角模T的伴随蕴涵算子新概念,利用该伴随蕴涵算子,在无需T为连续的、严格增等条件下,提出了Max-TFAM的一个简洁的通用离线学习算法和通用在线学习算法.从理论上严格证明了只要Max-TFAM能完整可靠地存储所给的多个模式对,则这两种算法都能轻易找到使得网络能完整可靠存储这些模式对的所有连接权矩阵的最大者.最后,用实验证明了Max-TFAM模型和所提出的学习算法的有效性.(本文来源于《计算机研究与发展》期刊2013年05期）
马德印,梁艳春,管仁初,赵笑奢,时小虎[7]（2013）在《基于模糊理论和双向联想记忆神经网络的变压器老化评价》一文中研究指出采用模糊理论和双向联想记忆神经网络(BAM)相结合的方式对变压器老化进行评价。该方法首先运用模糊理论对变压器的相关特征进行模糊化处理,处理相关参数的不确定性问题,之后采用模糊推理和解模糊过程进行变压器的老化状态评价。在模糊化过程中,因为绝缘油气体和绝缘油的电气特征主观性较强,本文使用BAM神经网络进行训练,从而实现这些规则的模糊化。通过对实际数据的模拟实验,对所提出的方法进行了检验,实验结果与实际情况吻合程度很好,验证了所提出方法的有效性。(本文来源于《吉林大学学报(工学版)》期刊2013年05期）
高翔[8]（2012）在《基于云计算的模糊联想记忆网络研究》一文中研究指出模糊神经网络是不确定性人工智能技术的一个重要的工具,能对模糊信息处理进行综合模拟。它综合了神经网络和模糊逻辑的优点,在处理非线性和模糊性等问题上有很大的优越性,在智能信息处理方面也存在着巨大的潜力。但是随着互联网的发展,数据呈现出越来越快的增长趋势,面对海量的数据处理,很多智能方法都面临着巨大的挑战。而云计算的出现,使这类问题有了新的解决方案。因为云计算可以整合大量廉价的计算资源,用集中管理的方式对计算设施进行管理,而向外部提供计算服务。Google、Amazon、IBM、微软和Yahoo等大公司是云计算的先行者。Hadoop是Apache开源组织的一个分布式处理的软件框架,具有对大量数据进行分布处理的功能,可以在大量廉价的硬件设备组成的集群上运行应用程序,它实现了Google的MapReduce编程模型,提供给应用程序稳定可靠的接口,目的是构建高可靠性和良好扩展性的分布式系统。很多算法都可以通过并行化改造,成为可以在Hadoop平台上运行的并行化算法,然后通过在搭载Hadoop平台的集群上运行,从而缩短执行时间,提高求解效率。本文利用叁角模的模糊联想记忆网络的性质以及模糊联想记忆网络的鲁棒性定义,对基于爱因斯坦t-模构建的模糊双向联想记忆网络的学习算法的全局鲁棒性进行了分析。从理论上证明了当训练模式的摄动为正向摄动时,该学习算法可以保持良好的鲁棒性,并用实验验证了该结论,还对几个算子在训练模式最大摄动和输出模式最大摄动之间的关系进行了对比；而当摄动存在负向波动时该学习算法不满足全局鲁棒性,并用实验验证了该结论。接着又进一步对训练模式集摄动最大摄动与输出模式集的最大摄动之间的关系进行研究,得出了训练模式集的最大摄动与输出模式集的最大摄动之间的关系曲线,并与其他的模糊算子进行了对比。然后将该算法进行了并行化研究,并将并行化后的算法实施到Hadoop云计算平台上,就大数据量处理问题比较了单机运行和集群运行的效率。实验结果表明,并行化后的学习算法随着数据量的增长,对求解时间的缩短效果会越来越明显。(本文来源于《福州大学》期刊2012-11-01）
高翔,马亨冰[9]（2012）在《模糊联想记忆网络的模式摄动影响研究》一文中研究指出本文利用基于叁角模的联想记忆网络的性质以及模糊联想记忆网络的全局鲁棒性定义,研究了训练模式集的摄动对模糊联想记忆网络的影响,并对基于几种算子的模糊联想记忆网络在训练模式存在摄动的情况下的受影响程度进行了比较。(本文来源于《福建电脑》期刊2012年07期）
曾水玲,徐蔚鸿,杨静宇[10]（2012）在《模糊形态学双向联想记忆网络的性质》一文中研究指出为模糊形态学双向联想记忆网络(FMBAM)提出一个学习算法.在理论上证明只要存在使给定的模式对集合成为FMBAM的平衡态集合,则该学习算法总能计算出相应的最大连接权矩阵对.该最大连接权矩阵对能使FMBAM对任意输入在一步内就进入平衡态,并且神经网络全局收敛到平衡态.FMBAM的每个平衡态都是Lya-punov稳定的.当训练模式存在摄动时,利用该学习算法训练的FMBAM,对训练模式摄动拥有好的鲁棒性.(本文来源于《模式识别与人工智能》期刊2012年01期）
模糊联想记忆论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
基于已经提出的Lukasiewicz t-模算子的模糊双向联想记忆网络(FBAM)的学习算法,进一步研究该网络的性质。在理论上证明了只要存在使给定的模式对集合能成为FMBAM的平衡态集合,则该连接权矩阵对能使FMBAM对任意输入全局收敛到平衡态。当训练模式存在摄动时,利用该学习算法训练的FBAM,对训练模式摄动拥有好的鲁棒性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
模糊联想记忆论文参考文献
[1].贾秀玲.一类带有时滞的模糊双向联想记忆神经网络模型周期解的全局指数稳定性[J].新乡学院学报.2017
[2].曾水玲.一种模糊双向联想记忆网络的性质研究[J].控制工程.2016
[3].张强,苏扬,孟超,王莉.基于小世界模糊联想记忆模型的电机故障诊断研究[J].大电机技术.2015
[4].高翔,马亨冰.模糊联想记忆网络的全局鲁棒性研究——基于爱因斯坦t-模[J].计算机工程与应用.2014
[5].陈桂英.带有阈值的广义模糊双向联想记忆网络的稳定性分析[J].山东大学学报(理学版).2014
[6].曾水玲,徐蔚鸿,杨静宇.基于叁角模的模糊联想记忆网络[J].计算机研究与发展.2013
[7].马德印,梁艳春,管仁初,赵笑奢,时小虎.基于模糊理论和双向联想记忆神经网络的变压器老化评价[J].吉林大学学报(工学版).2013
[8].高翔.基于云计算的模糊联想记忆网络研究[D].福州大学.2012
[9].高翔,马亨冰.模糊联想记忆网络的模式摄动影响研究[J].福建电脑.2012
[10].曾水玲,徐蔚鸿,杨静宇.模糊形态学双向联想记忆网络的性质[J].模式识别与人工智能.2012
论文知识图
