基于复值多态连续Hopfield网络的MPSK信号盲检测

为实现多进制相移键控（M ary quaternary phase shift keying,MPSK）信号的直接盲检测,给出一种直接盲检测发送信号的性能优化函数,进而提出一种新的复值多态连续激励函数形式来提高网络性能,并设计出一个新的能量函数来分析网络的稳定性,以求利用复值Hopfield神经网络来解决直接盲检测发送信号性能函数的优化问题。计算机仿真结果表明,与子空间算法等经典算法相比,新方法具有较好的收敛性,能有效实现相移键控信号盲检测。     

基于恒模算法的Hopfield神经网络盲多用户检测算法的研究

将恒模算法与Hopfield神经网络的能量函数相结合,提出了基于连续Hopfield神经网络的盲多用户信号检测算法。     

离散Hopfield神经网络在混烧控制系统故障诊断中的应用

给出了离散Hopfield神经网络结构和模型．利用Hopfield神经网络的演变过程是一种计算联想记忆的过程,它适用于正交(或近似正交)模式的记忆性质,给出了一种Hopfield神经网络的双向联想记忆模式的记忆矩阵构造方法,并提出了一种改进的基于Hopfield神经网络的控制系统故障诊断的算法,利用此算法实现实时检测混烧控制系统的故障和异常,对混烧控制系统的调节器和阀门进行故障诊断和故障信息提示．     

学习算法对反馈神经网络故障性能的影响

以离散 Hopfield神经网络为例 ,详细研究了学习算法对反馈神经网络故障性能的影响。简要介绍了离散Hopfield神经网络及其采用的 Hebb学习算法。详细分析了连接故障在学习过程中对网络连接权值故障性能的影响。给出了网络输出状态概率分布变化的计算公式。进行了计算机仿真 ,验证了理论分析结论的正确性     

基于神经网络的社团结构提取算法研究

针对复杂网络社团结构提取问题提出了离散Hopfield神经网络(DHNN)算法,并对这种算法的稳定性做了理论和实践上的分析。证明了从任意的初值出发,经过若干次迭代后最终收敛到1个吸引子或1个长度为2的极限环;给出了DHNN的能量函数与模块度函数之间的关系,证明了网络的稳定点对应于一个极大的模块度函数Q值。     

基于RBF神经网络的线性混叠盲分离算法

提出一种RBF神经网络算法应用于线性混叠信号的盲分离。所用的RBF神经网络算法是从输入信号的数据中训练出中心值和宽度值,再训练通过用最大熵值的代价函数推导的权值。所用的代价函数保证了网络的输出尽可能独立,使信号能正确地分离。仿真验证了所用的算法能减少分离时间和提高分离效率。对比ME算法,该算法更好。     

基于模拟退火的Hopfield网全局优化方法

为了改进Hopfield神经网络在多极点函数优化和组合优化中存在的某些缺陷,并影响着一些优化问题求解中的正确性和有效性的现实问题,将模拟退火智能优化算法与Hopfield神经网络有机结合,优势互补,提出了一种基于模拟退火的Hopfield神经网络混合全局优化算法(SA-HNN),新算法很大程度上避免了Hopfield神经网络优化陷入局部极小的缺陷,同时兼顾了算法的效率.通过典型的多极点函数优化和TSP组合优化问题求解,实验表明:SA-HNN混合优化算法具有帮助Hopfield网络摆脱局部极小点的能力并能得到较好的结果,有一定的工程实用价值.     

广义离散神经网络模型及启发式算法

对Hopfield离散网络的操作方式进行了推广，使其可以实现局部并行操作，并给出了相应的稳定条件。构造了一种用于最大独立集（MIS）问题求解的广义离散神经网络模型（GDHN）。模拟计算表明，所提出的算法在求解MIS问题时，比单纯的Hopfield神经网络算法有更好的优化性能。     

一种基于模拟退火和Hopfield神经网络求解TSP算法

针对Hopfield神经网络解旅行商问题（TSP）经常出现无效解和局部优化解。将模拟退火智能算法与Hopfield神经网络相结合,提出了一种混合优化算法（SA-HNN）,同时合理地修改了Hopfield神经网络的能量函数,确立网络参数。这种方法在很大程度上避免了Hopfield神经网络优化陷入局部极小的缺陷,大量实验证明了该算法具有收敛速度快,可避免无效解,易获得全局最优解等优点。     

基于离散Hopfield网络的飞机发动机故障诊断的智能算法研究

本文尝试将Hopfield神经网络应用于飞机发动机故障诊断,阐述了基于离散Hopfield网络的故障诊断专家系统的基本结构,对离散Hopfield网络的容错能力做了分析,这样一方面体现了离散Hopfield网络的优越的容错能力,另一方面也为以后对该网络进行进一步优化提供了相关数据,克服了传统诊断专家系统的不足。     

Consistent Algorithm for Multi-value Constraint with Continuous Variables

Mature algorithms for the Constraint Satisfaction Problem (CSP) of binary constraint with discrete variables have already been obtained for the application. For the instance of multi-value constraint with continuous variables, the approach will be quite different and the difficulty of settling will aggrandize a lot. This paper presents the algorithm for realizing global consistency of continuous variable. And this algorithm can be applied to multi-value constraint.     

子波神经网络在火灾探测中的应用

论述了用于信号识别的子波神经网络的结构和算法,并根据火灾传感器信号处理的特点,提出了将其用于火灾探测的方法,在子波神经网络中采用了子波函数和共轭梯度优化方法．实验表明,子波神经网络对火灾信号具有很好的学习和探测能力,与ＢＰ神经网络火灾探测方法相比,所提出的方法能够更快和更准确地探测各种标准实验火．     

基于BPR技术的纱线张力信号去噪研究

讨论了纱线拉伸张力信号的平滑算法。三阶平滑B-样条函数插值算法应用于低信噪比的纱线张力信号滤波取得了良好滤波效果,纱线断裂点校正（BPR）算法使被延时的纱线断裂点位置得到了校正。平滑算法使本文的试验样品纱线张力信号的信噪比（SNR）从21dB提高到45dB。平滑B-样条函数插值将离散信号转换成B-样条空间的连续信号（离散的B-样条函数系数代表的连续信号）。基于这种连续信号的计算使得张力结果更为精确。     

SIMO信道组合优化递推序列检测算法

传统的盲均衡算法主要基于高阶统计量(HOS)法或信道输出过采样的二阶统计量 (SOS)算法,而这些算法不能实际应用于时变环境。与现有的自适应均衡LMS算法、RLS算法不同,提出了一种基于有限字符集信息的组合递推算法,实现单输入多输出 (SIMO)信道盲序列检测。仿真表明:该算法具有较快的收敛速度和较低的稳态误码。     

复数Hopfield盲恢复多用户QPSK信号

为盲恢复MIMO系统QPSK信号,构造了一个专门的复数Hopfield神经网络(CHNN).证明了CHNN趋向平衡的充要条件,指出了虚、实部同时平衡是极值点的必要条件,给出了平衡点集大小与连接矩阵主对角元大小之间的关联.此外,为准确地串行恢复多用户信号,提出了新的补空间扩展法.计算机仿真表明,该CHNN所采用的连接矩阵和补子空间扩展法能有效地削减平衡点数,减少神经网计算次数,降低用户信号漏检的错误.     

M带双正交多小波的平衡

将平衡多小波的概念引入到M带r重双正交多小波系统，给出了相应的平衡条件，建立了M带r重双正交多尺度函数的若干等价关系，并基于这些等价关系给出构造双正交平衡多尺度函数和多小波的算法．算法在处理离散的多项式信号时，信号既能被低通滤波器保持，又能被高通滤波器取消，同时算法还保持了双正交多小渡的对称性，这一点在信号处理方面具有很好的应用价值．     

多适性核信号处理与分析系统的设计

为了在线检测、存储、处理多种形式和多种频率的核信号,采用硬件、软件相结合的方式构造出一种基于超高速数据采集卡(3通道、1 GS/s采样率、1 ns同步精度)、利用PC平台的多适性核信号处理与分析系统。当来源核信号为脉冲形式时,采集按时间数字转换方式记录信号;当来源信号为连续形式时,采集按模拟数字转换方式记录信号。设计了对应于不同信号形式的处理流程和算法,有效得到了核信号随机过程的相关函数、功率谱估计等主要结果。     

基于多通道小波卷积神经网络的路面异常检测算法

为了保证路面质量和行人与驾驶员的安全,提出了一种利用传感器时序多变量信号数据进行路面异常检测的算法.针对行驶过程中需要结合多种传感器信号在不同尺度对路面特征进行分析的问题,提出结合小波卷积网络和多通道网络技术,实现路面异常检测.首先,在多级小波变换间加入卷积神经元网络,从多个尺度分析单个传感器信号的局部连续性;然后,构建多通道神经网络,将多个传感器信号分别作为不同通道的输入,计算多个信号相结合的特征向量;最后,使用多层感知机根据多通道小波网络的输出实现路面异常检测.实验结果表明,该检测算法相对于传统的时间序列分类方法,同时考虑了多尺度分析、信号局部连续性和多变量信号的结合,在分析多变量时序信号数据时,具有更低的误检率和漏检率,更高的F1值.     

模糊 RBF 网络简化模型研究

在一定的前提条件下,提出一种简化的模糊ＲＢＦ网络模型．该网络由输入层、模糊化层、模糊联结层、合成联结层和输出层组成．同时,还给出网络的构造方法和自学习方法．仿真结果表明此网络对非线性、多变量函数具有良好的逼近能力．