通用型记忆和联想增量学习神经网络研究

联想记忆是神经网络领域一个重要的研究方向，但目前联想记忆系统的规则更多是从数学角度出发，其理论研究和假设与实际的大脑记忆特征相脱节。本项目针对人类记忆的增量性、连续性、动态性和多关联性等特点，试图提出一种通用的用于记忆和联想的增量学习神经网络，构建能够模拟更多人脑记忆特征的联想记忆体系结构，并在对该体系的学习算法以及回忆算法等多个方面展开理论研究。本项目着重研究实值模式的记忆和回忆、无初始条件限制的多对多联想、增量学习、动态在线学习、时间序列学习、高存储量、分类别记忆等基础理论和算法。本项目的意义在于提出一种新型增量学习神经网络并将之应用于模拟几种主要的人类记忆特性，从功能上统合目前已有的联想记忆系统，并且能够实现多个当前联想记忆系统不能完成的功能，为联想记忆的研究提供新的神经网络体系。

本项目针对人类记忆的增量性、连续性、动态性和多关联性等特点，提出一种通用的用于记忆和联想的增量学习神经网络，构建能够模拟更多人脑记忆特征的联想记忆体系结构，并在对该体系的学习算法以及回忆算法等多个方面展开理论研究。本项目着重研究实值模式的记忆和回忆、无初始条件限制的多对多联想、增量学习、动态在线学习、时间序列学习、高存储量、分类别记忆等基础理论和算法，重点围绕建立通用型联想记忆神经网络系统所涉及的关键、核心问题及其相关领域开展研究工作，在建立通用型联想记忆系统、增量学习、多对多联想和时间序列联想以及联想记忆神经网络的应用方面做出了创新性研究成果，完成了项目研究目标和全部研究内容。取得的主要成果包括：（1）设计并实现了通用型联想记忆神经网络系统；（2）基于该神经网络设计监督学习、半监督学习、主动学习算法；（3）提出增量式正交分量分析的特征表示算法；（4）以上述研究为基础的智能机器人研究。总计发表论文13篇，其中SCI收录4篇，EI收录12篇次，ISTP收录7篇次，申请3项国家发明专利和2项国际发明专利（日本），和国外研究机构合作研制的“会思考的机器人”在国际上取得广泛影响。本项目的意义在于提出一种新型增量学习神经网络并将之应用于模拟几种主要的人类记忆特性，从功能上统合目前已有的联想记忆系统，并且能够实现多个当前联想记忆系统不能完成的功能，为联想记忆的研究提供新的神经网络体系。