人工神经网络的知识增殖能力是该领域的热点和难点问题 ,具有重要的理论和实践意义 对人工神经网络的知识增殖性问题进行了较深入的探讨 ,从网络推广能力的角度分析了具有知识增殖能力的神经网络系统的结构设计问题 ,指出将多个网络个体结合在一起是实现人工神经网络增殖学习的重要方法 ,网络的自治能力在此具有重要的意义 利用具有自治能力的神经网络构建的网络群体中 ,网络个体无需改变而整体具有增殖学习能力 ,实验结果表明了该方案的可行

具有知识增殖能力的神经学习系统是人工神经网络发展的一个重要方向 ,备受研究人员的关注 传统上对神经学习系统知识的增殖或重用研究偏重于对个体网络的改造 ,根据知识积累和继承的思想 ,引入自治神经网络 (au tonomousartificialneuralnetwork ,AANN)的理念 ,以此作为构造知识可增殖神经学习系统的基础 ,利用群体网络的方法成功解决了神经学习系统的拓展和知识增殖问题 AANN和一般神经网络的区别在于其自治能力 ,采用AANN模块构造的神经学习系统 ,具有知识增殖能力 ,其可靠性、可拓展性和灵活性都得到提高 实验结果表明 ,该方法构造的群体网络系统可有效继承其模块所学习的知

在此基础上提出了一种类图书馆知识可增殖神经网络及其组织算法,该群体网络系统,能够有效地继承其中个体网络的知识,具有知识增殖能力。

持续竞争优势导向下基于知识增长的企业学习能力构成维度研究

在对此过程建立网络模型的基础上,设计了知识增长机制,并对知识差异、知识存量、知识突现和知识遗忘等现象进行了量化,对团队知识学习过程的知识增长特征进行了研究。

本文研究知识增长的一般规律 ,导出了一个描述知识增长规律的拟线性微分方程 x=(α+β-γ) x,为知识增长与知识创新的研究提供了数学模型 。

基于知识链模型的知识增值,为知识管理指明了新的方向。

文章将知识链管理概念运用于图书馆管理中,阐述了图书馆知识管理的现状及实施图书馆知识链管理的必要性和内容,旨在通过知识链的有效管理实现图书馆的知识增值服务模式。