| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第一章 绪论 | 第11-29页 |
| ·课题背景 | 第11-14页 |
| ·联想记忆实现原理和研究动态 | 第14-22页 |
| ·联想记忆的基本概念 | 第14-15页 |
| ·联想记忆的实现原理 | 第15页 |
| ·实现联想记忆的基本要求 | 第15-16页 |
| ·联想记忆的实现方法 | 第16-20页 |
| ·当前联想记忆研究存在的不足 | 第20页 |
| ·动态联想记忆的概念和实现 | 第20-22页 |
| ·思维研究概况 | 第22-26页 |
| ·思维概念 | 第22-23页 |
| ·思维研究概况 | 第23-24页 |
| ·思维与联想 | 第24-25页 |
| ·思维与注意 | 第25-26页 |
| ·本文研究思路和研究内容 | 第26-29页 |
| 第二章 基于弹性网络局域动态搜索的新型联想记忆模型 | 第29-54页 |
| ·记忆存储假设及基本定义 | 第29-35页 |
| ·记忆存储假设 | 第29-30页 |
| ·与记忆有关的几个定义 | 第30-35页 |
| ·联想记忆功能模型及动态联想过程描述 | 第35-38页 |
| ·基于多主体的联想记忆结构模型 | 第38-40页 |
| ·主体的特征 | 第39页 |
| ·主体内部模型 | 第39页 |
| ·多主体系统实现 | 第39-40页 |
| ·弹性网络模型 | 第40-46页 |
| ·弹性网络概念 | 第40-41页 |
| ·弹性网络分析 | 第41-44页 |
| ·弹性网络模型与EN算法 | 第44-45页 |
| ·弹性网络局域动态搜索与联想记忆动力学 | 第45-46页 |
| ·联想记忆的纯随机过程模拟 | 第46-53页 |
| ·常见的随机数产生方法 | 第46-47页 |
| ·高质量随机数发生器探讨 | 第47-49页 |
| ·一种真随机数发生器实现方案及分析 | 第49-50页 |
| ·实验及结果分析 | 第50-53页 |
| ·方法总结 | 第53页 |
| ·本章小节 | 第53-54页 |
| 第三章 面向联想记忆的动态网络搜索算法研究 | 第54-88页 |
| ·弹性TSP模型描述 | 第55-57页 |
| ·弹性共振及分布式优化 | 第57-62页 |
| ·弹性共振原理 | 第57页 |
| ·基于弹性共振的分布式搜索和优化算法 | 第57-59页 |
| ·实验及结果 | 第59-62页 |
| ·基于遗传环境的自适应弹性调节方法 | 第62-69页 |
| ·算法原理 | 第62-63页 |
| ·待调节模式的选择 | 第63页 |
| ·待调节模式初始调节系数的设定 | 第63-64页 |
| ·修正模式的调节系数 | 第64-65页 |
| ·优化算法流程 | 第65页 |
| ·实验、结果及分析 | 第65-68页 |
| ·算法总结 | 第68-69页 |
| ·基于人机结合的弹性调节策略 | 第69-74页 |
| ·人机结合概念及应用 | 第69-70页 |
| ·基于人机结合的弹性TSP回路搜索优化 | 第70-72页 |
| ·实验与分析 | 第72-74页 |
| ·基于弹性调节方法的动态网络回路搜索与优化 | 第74-82页 |
| ·概述 | 第74-76页 |
| ·算法设计与分析 | 第76-78页 |
| ·插入新节点 | 第76-77页 |
| ·删除节点 | 第77页 |
| ·移动节点 | 第77页 |
| ·DTSP优化算法 | 第77-78页 |
| ·实验研究 | 第78-82页 |
| ·动态网络回路搜索与优化算法总结 | 第82页 |
| ·基于弹性调节的背包问题求解 | 第82-86页 |
| ·背包问题简介 | 第82-84页 |
| ·求解算法 | 第84-85页 |
| ·调节行为分析 | 第84页 |
| ·调节算法 | 第84-85页 |
| ·实验及结果分析 | 第85-86页 |
| ·小结 | 第86-88页 |
| 第四章 联想式学习的算法研究与实现 | 第88-137页 |
| ·外部激励 | 第88-90页 |
| ·外部激励的模式表达 | 第88-89页 |
| ·外部激励的检测 | 第89-90页 |
| ·关键问题 | 第90-92页 |
| ·基于结构生成的模式学习 | 第92-112页 |
| ·新激励模式学习 | 第92-97页 |
| ·新激励模式与记忆模式的关联学习 | 第97-104页 |
| ·记忆模式的关联学习 | 第104-106页 |
| ·长期记忆问题研究 | 第106-107页 |
| ·基于遗传搜索的结构生成学习算法设计 | 第107-112页 |
| ·基于回路共振的模式学习 | 第112-119页 |
| ·基于相同模式共振的模式学习 | 第114-115页 |
| ·基于相异模式共振的模式学习 | 第115-117页 |
| ·基于遗传算法的回路共振模式学习算法 | 第117-119页 |
| ·实验研究 | 第119-135页 |
| ·参数设计 | 第119-121页 |
| ·实验、结果与分析 | 第121-135页 |
| ·存储容量实验 | 第121-123页 |
| ·外部激励特征对模式学习性能的影响 | 第123-125页 |
| ·模式学习动力学演化 | 第125-128页 |
| ·算法关键参数设置对模式学习性能的影响 | 第128-129页 |
| ·高强度刺激下的模式学习行为 | 第129-130页 |
| ·关联学习实验 | 第130-133页 |
| ·基于回路共振的模式学习实验 | 第133-135页 |
| ·小结 | 第135-137页 |
| 第五章 多功能模式联想动力学分析及实验研究 | 第137-161页 |
| ·联想性能评估 | 第138-141页 |
| ·基于局域动态搜索的自联想 | 第141-153页 |
| ·基于参数特征的自联想 | 第142-144页 |
| ·基于结构特征的自联想 | 第144-148页 |
| ·两种自联想算法的实验研究 | 第148-153页 |
| ·基于参数特征的自联想实验和结果分析 | 第148-151页 |
| ·基于结构特征的自联想实验和结果分析 | 第151-153页 |
| ·长时记忆的联想问题 | 第153-156页 |
| ·原理及实现思路 | 第153页 |
| ·实验及分析 | 第153-156页 |
| ·基于分布式弹性共振的多重联想和连锁式联想 | 第156-159页 |
| ·基本原理 | 第156-157页 |
| ·实现方法 | 第157-158页 |
| ·实验研究 | 第158-159页 |
| ·本章小节 | 第159-161页 |
| 第六章 联想过程的记忆刷新机制与遗忘机理研究 | 第161-179页 |
| ·记忆状态更新概述 | 第161-164页 |
| ·记忆刷新算法研究 | 第164-171页 |
| ·两种刷新情况 | 第164-166页 |
| ·记忆刷新算法流程 | 第166页 |
| ·短时记忆与长时记忆 | 第166-169页 |
| ·实验及结果分析 | 第169-171页 |
| ·记忆遗忘算法研究 | 第171-176页 |
| ·记忆衰减 | 第171-173页 |
| ·模式干扰与覆盖 | 第173-174页 |
| ·模式同化 | 第174页 |
| ·实验研究 | 第174-176页 |
| ·内部环境随机扰动的模式联想与重复学习 | 第176-178页 |
| ·小结 | 第178-179页 |
| 第七章 全文总结 | 第179-181页 |
| 参考文献 | 第181-189页 |
| 附录 | 第189-191页 |
| 致谢 | 第191-192页 |
| 科研成果 | 第192页 |