离散Hopfield神经网络渐近行为新探

指出前人关于离散Ｈｏｐｆｉｅｌｄ神经网络稳定性及周期为２的极限环存在性判别定理证明中的问题；列出前人关于这类网络串行及并行稳定两个证明正确定理的推广；给出周期为２的周期解，极限环及平衡位置的存在性判别定理；举出几个有趣的例子，揭示这类网络渐近行为的复杂性。     

离散Hopfield型神经网络的异步收敛性研究

主要研究非对称离散Hopfield神经网络的异步演化方式的收敛性，并给出了一些新的收敛性条件。若网络的连接权矩阵可以分解成主对角元素非负的对称矩阵和行（列）对角占优的矩阵之和，则网络是异步收敛的，所获结果推广了已有的结论。     

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。     

基于图论的离散Hopfield网络稳定性研究

以图论为工具，主要对连接权矩阵为对角分块形式的离散Hopfield神经网络的稳定性进行了研究。通过构造网络状态图证明了它的稳定性完全可由对角块为连接权矩阵的Hopfield网络的稳定性来确定，并给出了几个相应的结果。     

离散Hopfield神经网络的统一描述

本文用神经元的激励函数为严格阈值函数的McCulloch-Pitts模型对目前出现于文献中的几种离散Hopfield神经网络作了统一描述,从而给这些网络的分析和综合提供了一条系统清晰的思路。     

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.     

基于共存吸引子的图像加密算法

为了探究自激吸引子和隐藏吸引子共存系统的动力学特性,分析了其相图、分岔图、Lyapunov指数谱与谱熵复杂度.研究发现,该系统具有较大的复杂度值且其混沌状态分布在较大的参数范围内,说明由该系统迭代产生的混沌序列具有强的随机性,进而更适合应用于图像加密中.为此,设计了一种基于共存吸引子的图像加密算法.采用改进的Zigzag算法置乱明文图像的像素点位置,然后利用混沌系统迭代产生的混沌序列,通过加取模运算对置乱后图像的像素值进行扩散处理,得到加密图像.通过密钥空间、密钥敏感性、直方图、相邻像素间相关性、信息熵以及差分攻击等分析了加密算法的安全性能.实验结果表明,所设计的加密算法不仅能够有效地加密图像而且具有较高的安全性能.     

基于神经网络的对称密码系统

将混沌机制的非线性和随机特性引入密码系统 ,是加强信息保密的有效途径。离散 Hopfield神经网络存在混沌吸引子 ,基于此可以构造新的加密算法。该文在 GuoDonghui等人提出的对称的概率加密算法的基础上利用密码分组链接模式 (CBC) ,构造了一个较为完整的神经网络分组密码系统 ,它与数字加密标准 (DES)相比 ,更为简单 ,并具有抵御一些类型攻击的优点     

离散Hopfield神经网络的稳定性分析

利用能量函数推广了一些关于离散Hopfield神经网络稳定性结论，同时给出了稳定点存在的一个充要条件，最后给出了几个有趣的例子，揭示这类网络渐进行为的复杂性。     

离散Hopfield 网络的稳定性

神经网络的稳定性是神经网络应用的基础。主要研究离散 Hopfield神经网络的稳定性 ,所获结果推广了已有的结论 ,并结合网络状态图举例可直观地说明结果     

配电网重构方案Hopfield神经网络算法研究

针对配电网辐射状运行的特点,提出了以Hopfield神经网络为基础,以降低网损为目标函数的配电网重构方案算法:首先利用Hopfield神经网络来确定各个节点的入度,然后根据节点入度确定线路是否投入运行,并由此确定各联络开关的状态,最终确定配电网重构方案.给出了神经网络能量函数和求解方法,能量函数同时考虑到了辐射状运行、网损最低和某些线路可能无联络开关的问题.通过对IEEE一三电源电网进行计算,所得结果和遗传算法基本一致,而Hopfield神经网络通过解微分方程组确定最优解的计算时间相对较少.     

基于离散Hopfield神经网络的突发事件连锁反应路径推演模型

突发事件及其引发的连锁反应会造成严重的灾害后果,如果事先知道突发事件可能引发的连锁反应路径,就可以提前做好断链减灾工作.因此,提出一种基于Hopfield神经网络的突发事件连锁反应路径推演模型.该模型用Hopfield神经网络表示一般的突发事件网络,用Hopfield神经网络的运行规则表示突发事件连锁反应的原理,并设置神经元阈值,将突发事件连锁反应路径的推演过程映射为Hopfield神经网络的演化过程,通过运行Hopfield神经网络推演初始突发事件的一条连锁反应路径.最后,用该模型推演了地震引发的连锁反应路径,验证了该模型的合理性.     

一种改进的Hopfield神经网络算法用于单元布局

利用改进的Ｈｏｐｆｉｅｌｄ人工神经网络模型，提出了用于求解ＶＬＳＩ系统单元布局的优化 算法。该算法具有简单的能量函数表达式，较快的收敛速度，可避免无效解。利用此算法对于６ 种较复杂的布局实例进行运算，在布局优化结果和运算速度方面都比同类研究有较大改进。     

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。     

基于克隆选择算法和神经网络的多用户检测

针对传统检测器和最佳检测器在多用户检测中存在的缺点,利用克隆选择算法和Hopfield神经网络在解决优化问题的优势,提出了一种基于改进的克隆选择算法和神经网络的准最佳多用户检测器并用计算机进行仿真.仿真结果证明了该多用户检测器有良好的抗多址干扰和抗"远近效应"的能力,并有计算复杂度低和易于实时实现的优点.     

关于Hopfield型神经网络稳定性的注记

对于李雅普诺夫函数的径向无界性证明，给出了严格的证法．同时在激励函数单调递增的条件减弱的情况下，给出了两条渐近稳定的定理，并给了严格的数学证明．最后用实例说明前人的工作是基于不同假设条件的，而非强弱程度不同的条件．     

具有混合时滞的随机Hopfield神经网络的稳定性分析

讨论一类具有时变离散时滞和多时变分布时滞的随机Hopfield神经网络的均方鲁棒稳定性问题.假定激活函数既不可微也不严格单调,运用Lyapunov-Krasovskii泛函理论、随机分析理论和MATLAB中的LMI工具箱,推出系统渐近稳定的判别准则.最后通过数值例子论证该结果的有效性.     

基于改进Hopfield神经网络的手写字符识别

针对传统Hopfield神经网络无法对非正交学习模式进行正确回忆的问题，在Hebb学习规则的基础上，提出了一种改进的Hopfield神经网络．通过在学习阶段对连接关系矩阵进行修正，改进后的Hopfield神经网络能够对其学习模式进行正确的回忆，实验证明了其对手写字符有着较好的识别效果．