时间联想的理论与应用研究

本项目在时空序列的学习、存储、识别与滤波及模型选择等方面进行了研究。首先，得到了递归神经网络关于时空序列的匹配原理、有关学习算法和记忆（存储）能力和容量。提出了一种地址记忆和内容地址记忆相结合的混合联想记忆模型，对于认识大脑中信息存储与恢复，建立新型数据库结构具有重要的价值。还提出了一种实时二元模式识别神经网络模型，能够在噪声环境下对一组二元模式进行实时模式识别，并可应用于二元时空序列的实时识别。进一步，建立了一种新型的时空滤波器，对一般时空序列进行学习与记忆，并在噪声环境下进行识别。对于RPCL算法建立了一套价值函数理论，解决了其正确收敛性问题。最后将理论应用于语音压缩编码和IP电话等。