基于Hopfield网络的模糊神经网络优化方法

针对训练模糊神经网络时收敛时间慢,难以实时实现的缺点,将Ｈｏｐｆｉｅｌｄ网络引入模糊神经网络权值的优化问题中,从而融合了Ｈｏｐｆｉｅｌｄ网络可进行实时优化和模糊神经网络可引入专家知识化权值的优点。理论分析和模拟实验表明,这种网络可以在电路时间常数数量级内给出优化后的模糊神经网络权值,并且具有Ｌｙａｐｕｎｏｖ意义下的稳定性,为模糊神经网络权值的实时优化提供了一条新途径。     

Hopfield神经网络的改进

提出一个改进的Hopfield神经网络模型,其连接矩阵的对角元T_n=1,同时根据大量的计算机模拟实验并从神经网络的系统能量出发,计算和分析T_n=1及T_n=0两种Hopfield神经网络的各存储样本所处能量状态的分布情况,及其与各存储样本的稳定性和纠错能力的关系,指出改步的Hopfield神经网络其容量和纠错能力均比T_n=0的Hopfield神经网络强。     

结构分析的Hopfield神经网络解法

根据最小势能原因与Ｈｏｐｆｉｅｌｄ神经网络运作机制的相似形,构造一个适当的Ｈｏｐｆｉｅｌｄ神经网络,以结构总势能作为神经网络的能量函数,用神经元状态变量代表结构,各自由度在总坐标系中的位移分量,用神经网络的连接权值代表结构的总刚矩阵,用神经元的阈值代表结构在总坐标系中的等效节点荷载。用一神经网络求解已引入支承条件的结构位移方程,数值模拟表明,这种解题方法的收敛速度优于传统的Ｇａｕｓｓ－Ｓｅｉｄｅｌ     

应用Hopfield神经网络优化最大熵的图像恢复算法

基于图像最大熵分析,提出了一种基于Hopfield神经网络优化的图像恢复算法.将图像恢复问题转化为Hopfield神经网络优化问题,取恢复图像熵函数最大以及原始图像与恢复图像之间的误差平方和最小作为图像恢复的目标,构造能量函数连续型Hopfield神经网络模型,由Hopfield神经网络能量函数极小化可得到问题的优化解,其算法通过仿真实验,验证了算法的优越性.     

基于Hopfield神经网络的图象处理

本文应用Ｈｏｐｆｉｅｌｄ网络模型解决计算机视觉中图象匹配与识别问题,对于单幅幅物体的３条边与模型中３条对应力,通过求解一元人方程同三维物姿态,进一步应用Ｈｏｐｆｉｅｌｄ网络求出最佳匹配点,从而识别三维物体,本论文的方法将为计算机视觉中高怪次匹配问题提供一种新的并行处理的途径。     

用Hopfield神经网络与遗传算法求解TSP问题的实验比较与分析

首先介绍了实验中利用Hopfield神经网络和遗传算法求解TSP问题的程序设计方法,分析了CreateChromosome算法的时间复杂性,并测试了群体规模对解最优性的影响,从计算方法的软件实现角度出发,比较了两种计算技术的相似点与不同之处,本次实验的结论是：遗传算法比Hopfield神经网络求解TSP问题的效率高,且随着问题规模的扩大,优势更为突出。     

基于 Hopfield 神经网络的谐波电流检测方法

在对各种谐波电流检测方法进行简单比较的基础上,提出了一种基于Hopfield神经网络(HNN)的谐波电流检测方法.该方法将HNN优化理论用于电力系统的谐波检测,自适应地准确检测出电网基波和各次谐波分量的幅值和相角.采样数据处理速度快,实时性好,网络不需要预先进行训练.仿真结果表明,该方法具有很好的实时性、较高的检测精度以及自适应跟踪负载电流变化的能力.     

基于Hopfield神经网络的系统优化

分析Hopfield型神经网络的系统特征及其优化方面的应用原理,证明了DHNN的权值公式,改进了基于Hopfield型神经网络的系统优化模式,总结相对传统优化方法的特点。     

Hopfield网络在系统优化设计中的应用

通过介绍系统的定义及内涵、外延，将神经网络组合优化原理与系统工程的设计相互结合，从一般性的概念上揭示了神经网络的Hopfield网络及相关网络在其优化方面的广泛应用。     

三维Hopfield型神经网络的混沌同步研究

利用状态观测器理论提出了具有多个非线性项的混沌系统的标量输出同步方法。通过对误差系统的变换,以降低非线性项对误差系统的影响,从而可减少极点配置参数。基于这种方法,设计出含有多个非线性项的Hopfield型混沌神经网络的同步系统,并计算出同步参数,从而实现了含有多个非线性项的混沌系统同步,并用计算机仿真证实了此方法的有效性。Hopfield型混沌神经网络具有全局吸引的混沌吸引子,混沌性能稳定,采用线性电路器件容易实现,对混沌的实际应用有参考价值。     

三维Hopfield型神经网络的混沌同步研究

利用状态观测器理论提出了具有多个非线性项的混沌系统的标量输出同步方法。通过对误差系统的变换,以降低非线性项对误差系统的影响,从而可减少极点配置参数。基于这种方法,设计出含有多个非线性项的Hopfield型混沌神经网络的同步系统,并计算出同步参数,从而实现了含有多个非线性项的混沌系统同步,并用计算机仿真证实了此方法的有效性。Hopfield型混沌神经网络具有全局吸引的混沌吸引子,混沌性能稳定,采用线性电路器件容易实现,对混沌的实际应用有参考价值。     

用Hopfield神经网络求解一类Markov链的客户关系管理模型

以客户关系管理(custom er re lationsh ip m anage-m en t,CRM)的数学模型为背景,研究了如何用Hop fie ld神经网络构建一类M arkov链表述的CRM的客户分类分析和评价的计算模型。从一种不同于现CRM的对客户关系评价的思路入手,用M arkov链建模。分析该类马氏链建立的CRM数学模型的特点(无限次交易),分析连续Hop fie ld神经网络计算的内在特点。从矩阵结构和求逆的角度,发现这两个不同概念模型的数学模型具有相同的特点。研究结果将该类马氏链的CRM模型计算同Hop fie ld神经网络计算关联起来。这表明可以用连续Hop fie ld神经网络计算该类M arkov链的CRM模型。     

傅立叶混沌神经网络模型中的模拟退火策略

分析了傅立叶混沌神经网络模型的动力学特性对自反馈连接权值的敏感性,研究了退火函数对优化过程中的准确性和计算速度的影响.并利用暂态混沌神经网络退火过程分段的思想对傅立叶混沌神经网络模型进行改进, 提出了一种具有随机性和确定性并存的优化算法,在保证优化算法准确性的基础上,加快收敛速度,并利用对经典旅行商问题的研究,表明算法具有很强的克服陷入局部极小能力,较大程度提高了优化、时间和对初值的鲁棒性能, 验证了这种优化策略的有效性,同时给出了模型参数对性能影响的一些结论.     

集装箱船舶配载方案评价的Hopfield神经网络模型

将人工神经网络技术应用于集装箱船舶配载方案评价,建立了集装箱船舶配载方案评价的Hopfield神经网络模型．该模型首先建立配载方案评价指标与标准类别体系（即配载方案的级别,如优,良,＊＊＊,以标准类别为记忆模式,将待评价方案作为联想回忆的噪声模式,当网络达到平衡点时其lyapunov函数达到极小值,对应待评价方案的类别等级．此方法为集装箱船舶配载方案优选提供了一种实用的模型．     

离散型Hopfield神经网络稳定性的研究

提出了离散型Hopfield神经网络DHNN模型权矩阵的等效矩阵的概念，给出了相关算法。利用等效矩阵的概念可把DHNN模型按其轨道是否相同进行分类。因而，获得了研究DHNN模型收敛性的一种新方法，并利用此方法推广了已有的有关收敛性的几乎所有结论。     

离散Hopfield网络的稳定性分析

研究了非对称离散Hopfield神经网络在同步演化方式下的动力学行为,给出了新的收敛性条件和网络没有稳定点的条件,所获结果推广了一些已有的结论.     

基于离散Hopfield神经网络的数据加密算法

离散Hopfield神经网络的吸引性不仅具有重要理论意义,而且是现代网络应用基础。基于离散Hopfield神经网络,简要讨论了算讨论了其吸引性;并利用其非线性混沌机制和并行计算的特点,提出了数据分组加密算法和公钥加密算法;法的安全性。