离散Hopfield神经网络的异步渐近行为

主要研究非对称离散Hopfield神经网络和带有延迟项的非对称离散Hopfield神经网络的异步渐近行为。提出了异步演化的网络状态图和网络状态图的洞的概念 ,研究了网络状态图的洞和神经网络的异步稳定性之间的关系。给出了非对称离散Hopfield网络的异步稳定条件和不稳定条件以及某些特殊情况下的网络状态图的结构。同时 ,也得到了非对称延迟离散Hopfield网络的异步收敛性条件。所获结果推广了一些已有的结论。     

具有时滞的二阶Hopfield神经网络的稳定性分析

对具有时滞的二阶Hopfield型神经网络平衡点的全局渐近稳定性问题进行了研究。在不要求连接权矩阵的对称性和输入输出函数的可微性与单调性的情况下 ,通过构造适当的Lyapunov泛函得到了网络平衡点的存在性和全局渐近稳定性的若干充分条件 ,这些条件可用于设计全局渐近稳定的二阶人工神经网络。     

延迟离散Hopfield-型网络广义异步收敛性分析

给出了延迟离散Hopfield -型神经网络的收敛性定理。在广义异步运行方式下 ,证明了对称连接权阵 (只要w0 对称 )条件下的收敛性定理 ,推广了已有的延迟离散Hopfield -型神经网络的收敛性结果 ,表明网络收敛滞后于能量函数收敛最多 2n 1步。最后给出了能量函数的极大值点与延迟离散Hopfield -型神经网络的稳定态的关系。     

离散Hopfield神经网络的手写数字识别研究

利用离散Hopfield神经网络对手写数字识别进行了研究。将受到噪声污染的手写数字储存为二值图像,然后调制成二进制信号通过神经网络进行传输,通过给定权矩阵的Hopfield神经网络进行按址存储,将网络输出的内容再映射为数字图像。实验结果表明:数字图像识别的误码率与调制信号的幅值、码间时间间隔和网络神经元耦合个数成负相关关系,而且随着噪声强度的增加,误码率出现非周期随机共振现象,在一非零最优噪声强度值达到最小,此时数字图像也恢复得更加清晰。这些结果为进一步研究最小误码率优化目标下的Hopfield神经网络自适应权重矩阵提供了实验依据,而且对于神经网络联想记忆中随机因素的作用研究具有重要意义。     

时滞Markov跳变BAM神经网络的鲁棒稳定性

针对一类具有Markov跳变参数的时滞双向联想记忆(BAM)神经网络,研究了其在系统参数不确定情况下的鲁棒稳定性.在不要求连接权矩阵的对称性和激励函数的可微性与单调性的情况下,通过构造适当的Lyapunov泛函得到了此类神经网络均方鲁棒稳定的充分条件.该条件考虑了时滞Markov跳变神经网络中参数的不确定性,改进了现有文献中的关于时滞Markov跳变神经网络的稳定性条件,所得结果以线性矩阵不等式(LMI)的形式给出.最后,通过实例仿真验证了所得结论的有效性.     

延迟离散Hopfield-型网络的收敛性及其算法

给出了延迟离散 Hopfield-型网络的收敛性定理 ,提出了用于组合优化计算的延迟扰动算法 .在正规异步运行规则下 ,证明了网络滞后于能量函数收敛的步数由 Hopfield结果的 n2 步降到 2 n +1步 .揭示了离散 Hopfield-型网络与延迟离散 Hopfield-型神经网络收敛性的内在关系 ,为离散Hopfield-型网络的应用研究构筑了新的框架.     

广义离散时滞复杂动态网络的同步控制

讨论了一类广义离散时滞复杂动态网络的同步稳定性和牵制控制问题.针对此类系统,首先得到了弱保守性的离散时滞复杂动态网络系统的同步稳定性条件.其次,通过对部分节点设计牵制控制器,使得整个复杂动态网络系统达到同步,从而保证了整个系统的同步稳定性.随后,将控制器的设计问题转化为求解线性矩阵不等式(LM I)的凸优化问题,便于利用现有的优化软件求解.同时,大大降低了问题求解的复杂性.仿真结果验证了方法的有效性.     

资源均衡问题的Hopfield 解决方法

为有限资源均衡问题提供一个神经网络解决方法.首先提出增广置位矩阵,描述了资源均衡的神经网络表示,使得神经元的输出和问题的解彼此对应起来;然后在时间和资源约束下利用多种技巧构造网络的能量函数,使其能量最小值对应于资源最均衡的状态;并且提出基于“权值状态发生器”的离散Hopfield与模拟退火算法(DHNN-SA)融合的镶嵌式混合结构,从本质上提高了网络的优化质量;最后设计了资源优化神经网络的模拟程序.     

具有非线性扰动的时滞混沌神经网络系统同步控制

本文基于参数辨识和自适应控制研究了具有非线性扰动的时滞混沌神经网络系统的同步控制。所有的连接权值矩阵可以通过自适应律进行估计。此外,当非线性扰动的上界未知情况下,所设计的自适应同步控制器可以使主从系统达到同步。利用Lyapunov稳定性理论可以证明误差系统的稳定性。最后,通过一个数值仿真实验,验证了所提出方法的有效性。     

一种基于T-模运算的模糊联想记忆学习算法

提出了基于一类最大T-模运算的模糊联想记忆连接权矩阵神经网络学习算法，并且给出了严格的理论证明，该算法成功地解决了多模糊模式对的存储问题。对于给定的模糊模式对，若这些模式对存在连接权矩阵，则该算法很容易求出它们的最大权矩阵，如果这些模式对不能够用一个连接权矩阵来存储，应用本文的算法，可以应用尽可能少的连接权矩阵来存储，从而可以有效地减少存储空间。     

Stability of discrete Hopfield neural networks with delay

1.INTRODUCTION DiscreteHopfieldneuralnetwork(DHNN)isoneof thefamousneuralnetworkswithawiderangeofap plications,suchascontentaddressablememory,pat ternrecognition,andcombinatorialoptimiza tion[1～5].ThestabilityofDHNNmeansthatevery trajectorymustconvergetowardsanequilibrium point,oralimitcycle.Becausethestabilityof DHNNisthefoundationofthenetwork’sapplica tionsandisthemostbasicandimportantproblem,thestabilityanalysisoftheDHNNhasattractedcon siderableinterest.Manyresearchershavefocu…     

Stability analysis of extended discrete-time BAMneural networks based on LMI approach

1 .INTRODUCTIONBidirectional associative memory model is a kind ofneural network models in common use with the abili-ty of information memory and association. Since thedistributed memory of the information,the networkcan associate a completed and clear mode stored in itfroman uncompleted and fuzzy mode . Bidirectionalassociative memory (BAM) proposed by B. KoskoinRef .[1] is a generalization of Cohen-Grossberg’smodel from single layer to two layers . Since then,there have beenlots of …     

一种混沌神经网络模型及其在优化中的应用

通过在Hopfield神经网络模型 (HNN)中引入非线性自反馈项 ,提出了一种具有暂态混沌动力学行为的神经网络模型。该模型首先经过一个倍周期倒分叉过程进行混沌搜索 ,进而进行类似HNN的梯度搜索。由于它利用了混沌搜索固有的随机性和轨道遍历性 ,因而具有较强的克服陷入局部极小的能力。两个典型的函数优化例子表明了该算法的有效性     

基于改进型能量函数和瞬态混沌神经网络的TSP问题研究

针对传统神经网络在搜索NP类问题的解时易陷于局部最优点的不足,提出了一种基于改进型能量函数(IEF)和瞬态混沌神经网络(TCNN)的优化模型,将此应用于旅行商问题(TSP)的求解,并和传统神经网络优化方法进行了比较。仿真研究结果表明,该论文所提出的方法在解的可行性以及全局最优解的获取能力方面都有很大优势,收敛速度和准确度也令人满意。     

Almost Automorphic Solutions for Quaternion-Valued Hopfield Neural Networks with Mixed Time-Varying Delays and Leakage Delays

This paper considers a class of quaternion-valued Hopfield neural networks with mixed time-varying delays and leakage delays. By utilizing the exponential dichotomy of linear differential equations, Banach's fixed point theorem and differential inequality techniques, the authors obtain some sufficient conditions to ensure the existence and global exponential stability of almost automorphic solutions for this class of quaternion-valued neural networks. The results are completely new. Finally,the authors give an example to illustrate the feasibility of the results.     

特征结构提取的高阶Hopfield神经网络实现

本文首先建立了特征结构提取问题的罚函数表示，通过对罚函数求极小可以求得原始协方差矩阵的主特征向量及其对应的特征值。为了求得其他特征结构，特构造了一个协方差矩阵序列。如果将罚函数展开并进行整理，高阶Ｈｏｐｆｉｅｌｄ神经网络可被引入到特征结构提取中。这种方法比较直观，它将网络稳定时的输出与所求协方差矩阵的主特征向量的各个分量相对应，而网络稳定时的能量则对应于协方差矩阵的迹与所求特征值之差，计算机仿真结果验证了这种方法的正确性。     

基于多层Hopfield神经网络的配电网网络规划

分析了配电网网络结构规划模型,在此基础上提出用Hopfield神经网络进行网络结构规划.针对城市电网辐射状运行的特点,提出多层Hopfield神经网络模型、对应的能量函数以及参数选择规律.多层Hopfield神经网络的每一层对应于一个负荷点的供电线路,能量函数的建立同时考虑到各层的状态.提出一种新的基于多层Hopfield神经网络的配电网网络结构的规划算法,该算法通过使能量函数降到最低值,可以求得配电网网络规划问题的最优或近似最优解.新算法无需对线路编码、无需对数据进行归一化处理,更加易于编程实现.实例计算表明该方法可行、有效.