1) delayed bidirectional associative memory neural networks(DBAM neural networks)
双向联想神经网络(BAM神经网络)
2) BAM neural network
BAM神经网络
1.
Numerical approximation of an n-dimensional BAM neural network model with multi-delays;
时滞BAM神经网络的数值逼近
2.
Considering the 40 kinds of faults of 3-pulse waveform controlled rectifier device,on the basis of deal of rectifier voltage waveforms and logic processing,fault classifier of rectifier device based on the BAM neural network is proposed.
针对三相可控整流电路的40种故障状态,在对整流输出电压波形特征提取、逻辑处理的基础上,建立了基于BAM神经网络的整流电路故障分类器,对于BAM网络在电力电子电路故障诊断中的应用做了初步的探讨,并且通过仿真验证了故障分类器设计的正确性。
3.
The bifurcation of a BAM neural network model with time delay is studied.
研究了一个BAM神经网络模型的分支问题,证明了直线f′1(0)g′1(0)+f′2(0)g′2(0)=u2为一条Pitchfork分支曲线;并给出了分支曲线图,讨论了在由分支曲线划分的不同区域里平衡点的稳定性。
3) BAM neural networks
BAM神经网络
1.
The absolute exponential stability of BAM neural networks with variable coefficients and mixed delays;
非自治分布时滞BAM神经网络的绝对指数稳定性
2.
Stability of delay BAM neural networks;
时滞BAM神经网络稳定性分析
3.
Existence of almost periodic Solution for BAM neural networks;
BAM神经网络概周期解的存在性
4) bilateral associative memory neuron network
双向联想神经网络
1.
This paper explores how to distinguish self-defined character graph by means bilateral associative memory neuron network of artificial intelligence principle, gives a practical example of program by using Visual Foxpro 6.
阐述了采用计算机人工智能原理的双向联想神经网络进行自定义字符图形识别的方法和技术实现的方式 ,给出采用 Visual,Foxpro数据库管理系统程序实现的实例 ,讨论影响双向联想神经网络系统识别准确率的因
5) bi-directional associative memory neural networks
双向联想记忆神经网络
1.
Stability analysis of uncertain bi-directional associative memory neural networks with variable delays;
不确定双向联想记忆神经网络的稳定性分析
6) bidirectional associate memory neural network
双向联想记忆神经网络
1.
Global attractivity and global exponential stability for delayed bidirectional associate memory neural networks;
含时滞的双向联想记忆神经网络的全局吸引性和全局指数稳定性
补充资料：Hopfield神经网络模型
Hopfield神经网络模型
Hopfield neural network model
收敛于稳定状态或Han加Ing距离小于2的极限环。 上述结论保证了神经网络并行计算的收敛性。 连续氏pfield神经网络中，各个神经元状态取值是连续的，由于离散H6pfield神经网络中的神经元与生物神经元的主要差异是:①生物神经元的I/O关系是连续的;②生物神经元由于存在时延，因此其动力学行为必须由非线性微分方程来描述。为此，在1984年J.J.H叩fi酗提出了连续氏pfield神经网络，它可用图1所示的电路实现，其动态方程┌───┐│·T叮 │└───┘图1连续F砧pfield神经网络 (a)Sigmoid非线性;(b)神经元模型可由下述微分方程式描述: 、，产 门J /r、l、1.。瓮一客、一佘Ii认=f(u￡)￡=l，2，…，n式中f(·)为连续可微的Sign101d函数;T，j=兀、i，j=1，2，“’，n几=0]=i1~.吞~·‘八文一Q*+，戮T，j‘一‘，2，”一”连续时间氏pfield神经网络式的计算能量函数定义为:一告客客几从砚 石l「Vi_1，、，合，，， +乞古!‘厂‘(x)dx一乙I，从(4) ’月R‘Jo“‘、一’一月一，” 对于式(3)，若f一‘为单调增且连续，C>0，T，j=几(i，j=1，2，一，n)，则沿系统的运动轨道有dE一。-丁丁足之Uat当且仅当贷一。时 箭一。式(3)的稳定平衡点就是能量函数E〔式(4)」的极小点，反之亦然。同时，连续氏pfield神经网络式(3)以大规模非线性连续时间并行方式处理信息。网络的稳定平衡点对应于其计算能量函数E的极小点，网络的计算时间就是它到达稳定的时间，网络的计算在系统趋于稳态的过程中也就完成了。这也是式(3)用于神经计算及联想记忆的基本原理，也即神经计算机的基本原理。HoPfield shenling wangluo moxingHopfield神经网络模型(Hopfieldne，Ine幻即0比m侧触l)一种单层全反馈的人工神经网络模型(后称之为氏p玉idd模型)，它对推动人工神经网络研究的复苏起了很重要的作用。 且，lield对人工神经网络研究的贡献主要有: (l)把有反馈的神经网络看作一个非线性动力系统，提出了系统的全局Lyap阴lov函数(或称能量函数)的概念，用于系统稳定性的分析; (2)利用上述分析方法解决人工智能中的组合优化问题，如15护;(3)给出了利用模拟电子线路实现的连续Hopfidd网络的电路模型，为进一步研究神经计算机创造了条件。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条