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     

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     

傅立叶Hopfield神经网络及其在优化中的应用

Hopfield神经网络(HNN)是一种有效的优化模型,但存在易收敛到局部极小的缺点.傅立叶级数具有良好的函数逼近能力和较高的非线性度,基于这一特点,提出了一种新型的Hopfield神经网络--傅立叶Hopfield神经网络(FHNN),其激励函数是由三角函数和Sigmoid函数组成,并将该模型用于优化问题.仿真结果表明傅立叶Hopfield神经网络能够较快收敛到最优解,在解决优化问题上表现出令人满意的效果.     

动态Hopfield神经网络模型及学习算法

为了解决Ｈｏｆｉｅｌｄ神经网络对可变对象的学习问题，在「１」的基础上，建立了一动态Ｈｏｐｆｉｅｌｄ神经网络，及其学习方法，彻底解决了Ｈｏｐｆｉｅｌｄ神经网络的动态学习问题。     

动态Hopfield神经网络模型及学习算法

为了解决 Ｈｏｐｆｉｅｌｄ 神经网络对可变对象的学习问题,在［１］的基础上,建立了一动态 Ｈｏｐｆｉｅｌｄ神经网络,及其学习方法,彻底解决 Ｈｏｐｆｉｅｌｄ 神经网络的动态学习问题     

一维Hopfield神经网络模型的多稳态分析

该文讨论一维Hopfield神经网络模型的多稳态问题.当模型所含S型激活函数没有有界性限制时,该文首先讨论了模型平衡点的存在性,并进一步给出了模型取得一个, 二个, 或三个平衡点的参数条件以及每个平衡点的稳定性.然后该文获得了模型在参数所有取值情况下的平衡点个数及其稳定性的结论.最后, 通过两个实例及其数值模拟说明了结论的有效性.     

Hopfield型时滞神经网络模型的K-稳定性

研究具有时滞的Hopfield型神经网络模型｛Cidui(t)/dt=-ui(t)/Ri n↑∑↑j=1～↑Tijfi(uj(t-τ）） Ii，ui（s）=ψi(s),s∈[-τ，0],i=1,2,…，n平衡点的K－全局渐近稳定性与K－全局指数稳定性，通过使用不等式分析技巧和微分方程性质，得到了这类模型K－稳定性的易于验证的时滞相关充分条件，并举例验证其有效性。     

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。     

一维Hopfield神经网络模型的多稳态分析

本文讨论一维Hopfield神经网络模型的多稳态问题.当模型所含S型激活函数没有有界性限制时,本文首先讨论了模型平衡点的存在性,并进一步给出了模型取得一个,二个,或三个平衡点的参数条件以及每个平衡点的稳定性.然后本文研究了模型在参数所有取值情况下的平衡点个数及其稳定性.最后,通过两个实例及其数值模拟说明了结果的有效性.     

Hopfield神经网络模型全局稳定的弱条件

研究了Hopfield神经网络模型全局渐近稳定的弱条件.模型中的激活函数没有有界和可微的限制,并且右上Dini导数可在多点取得最大值.首先构造Lyapunov函数,并利用可分析方法,证明了系数矩阵半负定是全局渐近稳定的弱条件.然后,通过例子和数值模拟说明了结论的有效性,改进了已有文献的结论.     

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。     

用Hopfield神经网络求解八皇后问题

用Hopfield神经网络求解名的古典人工智能约束的八皇后问题，由Java语言给出仿真结果，程序在Visual J 6.0上编译通过。     

连续型Hopfield神经网络求解设备布置问题

主要利用连续型Hopfield人工神经网络进行了设备布置问题的优化求解计算。讨论了连续型Hopfield人工神经网络的模型,以及求解设备布置问题的一般方法。仿真结果表明,利用连续型Hopfield人工神经元网络进行设备布置优化计算,求解质量稳定、速率快,有较好的应用前景。     

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．     

Hopfield神经网络的稳定性分析

利用Lyapunov直接法,讨论了一类非自治Hopfiled神经网络的不稳定性,给出了此类系统平衡点不稳定的判据,并举例说明了此结果的有效性.最后以一个具体的自治系统为例,说明当系统是自治系统时,所得的判据依然是新的.     

Hopfield神经网络的指数稳定性

研究了一类神经网络的稳定性问题,通过构造Liapunov函数给出了Hopfield神经网络的平衡点的指数稳定的充分条件.     

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。     

内积Hopfield模型及其光电实现

着重讨论了二维自关联和异关联Hopfield模型的内积形式,并提出了两种新的光电实现系统。其中采用了偏振编码加1/2波片的方法来解决两极编码问题;另一特点是只要改变第一块记忆模板以及相应地调整反馈阈值就可以实现异关联。最后给出了计算机模拟及原理性实验结果。     

一类带有阈的Hopfield神经网络模型的稳定性分析

讨论了一类带有动力阈值及分布时滞的单神经元Hopfield神经网络的全局稳定性,利用同胚映射得到了平衡点存在唯一的充分条件,利用不等式技巧和常数变易法,获得了平衡点全局渐近稳定的充分条件,利用Lyapunov函数得到了该平衡点全局指数稳定的充分条件.