CNN符号力系统.pdf

摘要岷狭薍窬缒P秃蚇细胞自动机两者的优势,既具有高速并行处理功能,同时又容易在超大规模集成器的芯片上实现。了神经系统。因此随着研究的深入,忠蜒荼湮O赴窬绾拖赴窍性网络街趾宓募蛐础L乇鹬档米⒁獾氖牵了一些成果,但也遇到相当的困难。目前对一个完整的无穷多个状态变量的系统的动力学性质的研究,几乎还是一片空白。,哂芯薮蟮挠τ们熬啊J嗄昀矗泄睦砺邸⑸杓萍坝τ醚芯恳殉晌V诙嗔煊蚩蒲Ъ际豕ぷ髡吖刈⒌娜鹊恪在图象处理、模式辩识、超大规模集成器、机器人及人脑功能模拟等方面获得了广泛应用。以@砺刍〉哪D饧扑慊惨训从数学角度看,且桓龇窍咝远ο低常墓δ芎鸵庖逡言对冻械挠邢薷鲎刺淞客乒愕剑三穷多个状态变量后,则得到一个无穷维的格点动力系统,其动力学行为变得非常复杂。近年来,这类低车难芯咳〉本文用符号动力系统的观点,对无穷多个状态变量的低车难芯孔髁一种新的尝试。我们不是直接讨论系统的动力学行为,而是将氖淙胧游模型。
中的符号序列。因此,输入与输出之间就构成了该空间上的一个自映射,。置以合适的拓扑,,并扼要介绍了芯肯肿础5诙略蛭A怂得魑耷疃喔鲎刺淞康腃系统具有复杂的动力学行为,讨论了低车亩ㄌ猓⒍砸桓鼍咛宓奈奘系统定态解的空间混沌性。第三章则提出了一种新的符号动力系统,即对二维判蛄锌占洌ㄒ辶撕鲜实亩攘浚⒃谡飧隹占渖隙ㄒ辶巳舾芍忠莆挥成洌为工具应用于低车氖淙胍皇涑鲇成洌贑基因为布尔基因的条件下,,它们具有丰富的动力学性质,,煦纾哂姓仄遂睾屯仄嘶旌闲缘鹊龋并同时对哦ο低车慕徊窖芯孔饕徽雇关键词:赴窬纾赴窍咝酝纾ㄌ猓琒马蹄,某个特定符号空间的符号序列,在一定条件下,使得氖涑鲆彩峭豢占拓扑动力系统,称这个动力系统为哦ο低场1疚牡暮诵奈侍饩褪翘出这种符号动力系统,同时研究它的动力学性质。本文第一章介绍了P筒谋尘凹耙庖澹珻模型的建立及数学定入的低常乖炝擞啥ㄌ庥盏嫉囊桓鲇成涞腟马蹄,从而说明严格证明了这些映射具有复杂丰富的动力学性质,这些内容构成了哦力系统的理论基础。第四章则是将前一章中建立的二维符号动力系统的理论作而构成了哦ο低车氖抵誓谌荨5谖逭略蚴嵌员疚牡囊桓龆笠W芙幔哦ο低常淙胍皇涑鲇成洌级颍枷蟠恚占浠煦纾仄遂
曲甌,.’.—猻.,,,琕瑀,甌.,,“
甀,;,’疭琤,瑆,,.,瑂甌瑆甀
,,,。:珻,,甀琽瑂珼琱甃,珻,琓,琣瑆
蝴胁豫淌协磬盥航上障试破莨导师:刘魄争教授粝捂鸟旦六营厥框形覆。海学上大华喜.,千踅,、;畏称玻铄放本论文经答辩委员会全体委员审查,确认符合上海大学博士学位任员论文质量要求。工作单位答辩日期:二零零匣年一月二日职委辩答签主譬厶百口贝:,
懒,它源于第一章绪论P偷谋尘凹耙庖§.§型及一种有效的学习方法——.学习规则吼正是由于和窍赴窬神经网络和紫忍岢龅南赴远神经网络本质上是人类对其大脑信息处理机制的模拟。神经网络的研究源于上一世纪年代,年心理学家褪Ъ襊提出了第一个神经模型,称为神经元模型‘,开创了神经科学的理论研究。年,心理学家通过对大脑神经细胞学习和条件反射的观察研究,提出了改变神经元连接强度的规则‘。年,提出了感知器模型,试图模拟动物和人脑的感知和学习能力‘。年,和提出了自适应性元件模、等人的研究工作,使得人们将神经网络作为人工智能进行系统的研究,在当时掀起了神经网络研究的第一次热潮。在上一世纪六、七十年代中期,由于神经网络的机理与当时占主导地位的
当时数字计算机的发展正处于鼎盛时期,基于数字计算机的人工智能取得了显促使人们思考这样的问题:智能问题是否完全可以由人工智能中的逻辑推理规梢栽诘缱拥缏飞鲜迪郑蚨勺魑I窬扑慊睦砺刍俊模的概念和方法,提出了窬缒P蚚.⒏霰Vふ鐾缦以顺序离散符号推理为基本特征的人工智能方法大相径庭,也由于人们在神经网络的应用和实现方面遇到许多困难,再加上当时以感知器为代表的网络系统的功能存在局限,使得许多神经网络研究者的信心发生动摇‘。另一方面,由于著成就,学术界陶醉于数字式计算机的成功之中,因而掩盖了发展新型的以神经网络为理论基础的模拟计算机的必要性和迫切性,使得神经网络的研究陷于低谷【”然而到了上一世纪年代后期,研究并试图模拟视觉和听觉的人工智能的专家们发现,尽管计算机在大型复杂计算方面显示出巨大威力,但却很难“学会”人类习以为常的知识和经验,而且数字式计算机的运算速度也不高。这就则来描述四缘闹悄苁欠窨梢酝ü骼词迪年,美国加州工学院的物理学家提出了一个后来以他的名字命名的神经网络模型,使得神经网络的研究有了突破性的进展。型也可用于联想记忆和优化计算