不一致连续Hopfield网络及其应用

针对一致连续Hopfield网络容易陷入局部最小和不合理解的现象,给出了不一致连续Hopfield网络的能量分析,得到了使网络能量函数上升、下降和不变的条件.在此基础上,通过衰减自反馈,提出了求解旅行商问题(Traveling Salesman Problem,TSP)的新网络.通过仿真证实,该网络可有效地求解TSP问题.     

推广的Hopfield神经网络模型及其应用—Job-Shop问题的神经网络解法

0 引言在神经网络的研究工作中,Hopfield 模型的建立被称为是突破性的,但用以解优化问题有其局限性,即被优化的目标函数只能是二次函数。本文给出了一种推广的 Hopfield 模型,可用于解决一大类优化问题,只要该优化问题能表示成某一目标函数,且该函数能满足对各变量的一价偏导数存在且连续的条件     

基于Hopfield神经网络模型的通道布线算法

本文探讨了用Hopfield神经网络模型解决通道布线问题的一种新算法。算法描述了Hopfield模型与通道布线问题的映射方法和网络能量函数的构造方法,在能量函数中既考虑了合法解约束项,又考虑了优化解约束项,从而提高了布线质量。本文的意义还在于它证明了用Hopfield网络求解通道布线问题是可行的,有效的。     

推广的Hopfield神经网络模型及其应用-Job-Shop问题的神经网络解法

0 引言在神经网络的研究工作中,Hopfield模型的建立被称为是突破性的,但用以解优化问题有其局限性,即被优化的目标函数只能是二次函数.本文给出了一种推广的Hopfield模型,可用于解决一大类优化问题,只要该优化问题能表示成某一目标函数,且该函数能满足对各变量的一价偏导数存在且连续的条件即可. 1 神经网络的结构     

一类具有反三角函数自反馈的混沌神经网络及其应用

在线性自反馈的基础上将反三角函数引入到混沌神经网络的自反馈项,提出了非线性自反馈混沌神经网络模型.网络优化机制的分析表明,非线性自反馈使网络以线性函数与反正切函数的和与状态乘积和的方式影响原Hopfield网络的能量函数,避免网络陷入局部极小点.构造了网络的能量函数,分析了网络达到渐进稳定的充分条件并利用其指导网络求解旅行商问题的参数设置.连续函数优化问题和旅行商问题的仿真研究表明,提出的网络能有效地找到优化问题的最优解.     

神经网络融合信赖域求解非线性规划的新方法

人工神经网络在解决优化问题方面具有速度和精度的优势，将一种新的Hopfield网络模型与信赖域技术融合起来，采用逐次二次规划方法将约束非线性规划问题转换成一系列的二次规划子问题，并采用信赖域技术协调计算速度与精度之间的矛盾，同时通过Hopfield网络求解各个二次规划子问题，得到原来规划问题的最优解，通过对大量函数进行仿真计算，取得了很好的仿真结果。     

基于模拟退火算法的Hopfield神经网络参数优化

为解决Hopfield神经网络应用过程中参数设置的问题,在研究Hopfield神经网络的工作原理的基础上,分析了神经网络模型在求解TSP(Traveling Salesman Problem)问题过程中参数的选取,通过对输出数据进行归一化处理建立网络的评价函数,然后引入模拟退火算法对参数进行最优化选取。实验结果表明,经过参数优化过的Hopfield神经网络模型能更有效,更快速地得到TSP问题的最优解。     

高阶反馈型神经网络及其在优化计算中的应用

本文用神经网络来求解多元函数的极值.针对 Hopfield 网络的局限,提出了一种高阶反馈型神经网络,并从数学上证明了这个网络具有良好的稳定性.当阶数为2时,功能类似于 Hopfield 网络,但比它稳定.本文还给出求解多元高次函数全局最优解的方法.最后给出了该网络的计算机数值仿真.     

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.     

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。     

动态联盟伙伴选择问题的混合计算方法

针对已有伙伴选择问题方法的不足,以最小化竞标花费,交通运费和拖期惩罚成本之和为目标,给出伙伴问题的0-1整数规划模型,并提出了求解问题的混合遗传算法.该算法用染色体的编码确定合作伙伴的组合,结合专家经验,通过模糊神经网络对人工给定的隶属函数和模糊规则进行修正,用所得到的结果改进合作伙伴的组合.实验结果表明,模糊神经网络的使用提高了模糊推理的准确性,进而也提高了混合算法的有效性,使其具有比普通遗传算法更好的寻优能力.     

金属针布淬火过程中火焰加热温度场的计算机模拟

应用三维有限元方法对金属针布的火焰淬火加热进行了研究。将实验测量与人工神经网络建模技术相结合，建立了火焰加热工件表面热流密度的计算模型，解决了三维有限元求解中边界条件的设定问题。用有限元方法求解三维固体热传导的Fourier方程，模拟计算了金属针布火焰快速加热时的温度场变化，计算结果与实测吻合较好。     

生物软组织黏弹性参数反演方法研究

针对黏弹性参数反演中的模型选择问题,提出应用黏弹性材料的应力松弛曲线作为待反演的参数,不涉及任何黏弹性本构模型,采用有限元仿真与人工神经网络相结合的方法:通过有限元仿真得到不同应力松弛曲线下的剪切波传播速度,然后将仿真得到的数据作为训练样本输入到人工神经网络中进行训练,建立起生物组织黏弹性参数和剪切波传播速度的神经网络输出模型,有效解决了模型选择问题。最后通过粒子群优化算法反演得到组织的黏弹性参数。     

声表面波器件的快速精确模拟

该文提出了声表面波器件有限元/边界元（Finite Element Method/Boundary Element Method,FEM/BEM）模拟的快速计算方法.FEM/BEM方法作为一种全波分析方法,考虑了所有声波模式,能实现对声表面波器件的精确模拟,但FEM/BEM方法一般计算量大而难以实用,国内外已有工作围绕提高FEM/BEM法的计算速度展开.本文将在Ventura工作的基础上,优化占主要计算量的体波贡献.首先对固定的半无限长压电基片的格林函数用分段多项式函数近似,以避免复杂格林函数的反复计算,然后推导出近似后的积分之间的递推关系式,编写递推算法,并通过实例验证了递推算法能达到精度要求且提高了计算速度.最后采用优化后的FEM/BEM程序对一种纵向耦合（Double Mode Saw,DMS）滤波器进行模拟,模拟结果与实验结果吻合.     

基于神经网络的盲波束形成方法研究

提出了一种基于径向基函数网络(RBFNN)的盲波束形成方法。该方法首先在不知道任何基阵方向向量先验知识的情况下，利用信号的多普勒信息估计波束形成的权矢量。然后引入径向基函数网络逼近估计的波束形成权矢量，从而实现盲波束形成。利用神经网络的并行结构，不但有效地提高了运行速度，而且对系统误差具有很强的鲁棒性。仿真实验验证了算法的正确性。     

基于曲率模态和BP神经网络的简支梁的损伤识别

通过BP神经网络对简支梁的损伤位置和损伤程度进行了研究。文中首先采用有限元仿真软件ANSYS计算得到不同损伤情况下结构的前两阶固有频率并计算指定点的曲率模态值,并以此为输入参数建立用于识别简支梁损伤的BP网络,最后利用LM算法训练网络来进行损伤检测。结果表明：该方法能有效地对损伤位置及损伤程度进行识别,且对损伤程度进行识别的精确度较高。     

Hopfield神经网在营养问题中的应用及分析

提出并实现了用Ｈｏｐｆｉｅｌｄ神经网络来求解线性规划中的营养问题，并对其模拟实验结果作了有意义的分析。证明了用Ｈｏｐｆｉｅｌｄ神经网来解决问题的可行性与有效性，指出了在确定能量函数的各参数时应特别注意的问题。     

基于GWO改进神经网络的风致输电杆塔响应计算方法

针对基于有限元方法的风致输电杆塔仿真模型存在模型参数设置复杂、响应速度低下等问题,本文提出了一种结合杆塔仿真计算与机器学习的杆塔应力快速计算方法,实现了风致输电杆塔仿真模型的高效运算。本文首先利用有限元仿真分析10~35 m/s风速0~90°风向下输电杆塔的应力结果,将其作为神经网络训练样本;分析杆塔本征参数及气象因素对杆塔应力结果的影响,提出一种基于风速、风向和塔材类型等因素的特征值选取方法;利用GWO优化算法提高神经网络准确度,建立基于GWO-BPNN的杆塔风致应力计算模型,计算速度可达建模仿真的10倍以上。在准确率上,基于数据集划分训练集及验证集,模型准确率在98%以上,将计算结果与实际杆塔受灾情况相比情况一致。本模型可用于输电线路防风预警,致力于输电线路防灾减灾。     

基于人工神经元网络模型的预测控制研究

研究了基于人工神经元网络模型的非线性预测控制，所采用的网络为一种将线性模型与多层前向网络相结合的ＤＬＦ网络，仿真结果表明，该“混合网络”易训练，收敛速度可大大加快，在ＤＬＦ模型的基础上，本文研究了一种非线性预测控制算法，它的显著特点是在线计算量小。对于一非线性过程－球形罐液位的仿真结果表明，基于ＤＬＦ的非线性预测控制效果颇佳。     

优化反向传播神经网络的自适应遗传算法

探讨了用遗传算法优化反向传播神经网络的问题。通过对不同遗传操作的分析和改进,提出了一种能有效进行局部搜索和全局搜索的自适应遗传算法。计算结果表明,该算法能快速地求出问题的全局最优解,且具有较好的计算精度。