fengnaiqin的博客

披露了模拟”一次尝试学习“认知现象的形态学神经网络方法，这在以前是做不到的。因为传统神经网络学习过程很长，需要反复迭代，显然不适合一次尝试学习任务的模拟。而形态学神经网络具有无限存储能力、一步回忆记忆、较好的抵抗服饰噪声和膨胀噪声的能力，使得它能够胜任一次学习任务。这将为揭示一次尝试学习的认知机制带来合适的实验方法、实验工具和理论上的借鉴与启发。

介绍了一种新的模糊形态学联想记忆方法，对已有形态学联想记忆方法，特别是对异联想记忆起到一定的互补作用，实验表明，在一些情况下，可以得到较好的学习和记忆效果。该文刊登在SCI期刊神经网络世界(NNW)上。形态学神经网咯、形态学联想记忆网络与传统的人工神经网络是很不相同的，有独具的一些优点，感兴趣的读者可以浏览学习。

人工智能机器学习方法。

随着计算机技术的快速发展，人工智能的研究近几年来也取得了很多新的进展，许多的研究领域不断出现，例如数据挖掘、网络信息过滤等都是一些新型的研究领域。随着科学技术的发展，人工智能各研究领域间联系将更加紧密，互相渗透，这种融合与渗透必将促进人工智能研究的发展，促使其走向实际应用。 系统介绍了人工智能的理论和技术，适合作为计算机专业及相关专业的研究生、本科生学习人工智能的教材或参考书