关于离散Hopfield联想网络的权值设定及稳定性分析

本改进了Hopfield网络权值的设定，使之保证每一个存贮的模式为平衡状态，并且证明网络由任一模式出发，一定收敛到一个平衡态，且每一平衡态是Lyapunov意义下稳定的。     

一种具有连续滞后神经元的Hopfield网络求解TSP问题的算法

提出了一种具有连续滞后神经元的Hopfield神经网络体系结构,有效地解决旅行商问题(TSP).对连续滞后神经元的Hopfield神经网络结构和整个网络的计算性能进行了研究.理论上通过模拟随机生成的具有连续滞后神经元的Hopfield神经网络证明网络的优越性.通过模拟TSP问题的应用来说明此算法的计算效率.仿真结果表明,具有连续滞后神经元的Hopfield神经网络在解决TSP问题时,无论从处理时间和解决质量上来看都优于传统的Hopfield神经网络和二元连续Hopfield神经网络.     

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。     

一种基于粒子群算法和Hopfield网络求解TSP问题的方法

针对Hopfield网络求解TSP问题经常出现局部最优解,将粒子群算法(PSO)与Hopfield神经网络结合,提出一种基于粒子群的Hopfield神经网络方法. 实验证实这种方法能够以更大概率收敛到全局最优.     

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。     

TSP的瞬态混沌神经网络算法

具有瞬态混沌特性的神经网络(TCNN)可以解TSP。利用神经元的自抑制反馈产生混沌动态，其遍历性能和随机搜索性能有效地克服了Hopfield神经网络(HNN)极易陷入局部极小的缺陷；同时利用一时变参数控制混沌行为，使网络再经过一个短暂的倍周期倒分岔后逐渐趋于一般的Hopfield神经网络，从而收敛到一个最优或近似最优的稳定平衡点。仿真结果表明，TCNN比HNN具有更强的全局寻优能力和更高的搜索效率。     

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。     

蚂蚁算法在TSP问题求解的应用

蚂蚁算法是目前解决大规模复杂问题比较有效的算法。同时TSP问题是经典的NP-C问题,已被广泛应用于在VLSI芯片设计、网络路由和车辆选路等领域,对TSP问题的求解的突破意味着大量NPC问题的求解可以迎刃而解,因而有着重要的实际价值和理论意义。文章系统地介绍了TSP问题,并在此基础上对蚂蚁算法求解TSP问题做了相关探讨。实验结果表明,蚂蚁算法对参数的初始值也具有敏感性,对于一个好的初始值的确定,需要建立在大量试验的基础上。     

基于装箱问题的Hopfield网络优化设计

针对装箱问题的数学模型,利用目标函数与神经网络中能量函数相等的关系来设计Hopfield神经网络的结构,相应建立动态网络模型,为用Hopfield神经网络理论来解决装箱问题提供了先决条件。     

基于拓扑感知的TSP快速求解算法

为了适应无线传感器网络环境的特点,提出了一种基于拓扑感知的旅行商问题(TSP)启发式快速求解算法.通过分析无线传感器网络拓扑与TSP解之间的关系,提出了基于最大公共同构子图的拓扑距离,并用于度量拓扑之间的相似度.然后,以拓扑距离为标准,对输入拓扑进行聚类分析,继而映射得出该输入拓扑的TSP解.该算法设置了合适的剪枝条件以提高运行速度,通过加入阈值参数来平衡类内拓扑间的相似度和聚类类别数目.仿真结果表明,在节点数为90和70的TSP环境下,这种拓扑感知算法的运行时间分别为0.615和0.508 s,约为Lin-Kernighan算法和蚁群算法的3%~4%,且其精确度介于这两种算法之间.     

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     

基于Hopfield神经网络的平面拟合编码研究

提出了平面拟合编码的一种新的实现方法，即神经网络方法。为了保证Ｈｏｐｆｉｅｌｄ神经网络的收敛，对该网络模型的迭代算法进行了修改，针对Ｈｏｐｆｉｅｌｄ网络存在的局部极小问题，给出了一种扰动算法，结合初始状态的合理选择，可以有效地避免网络陷入局部极小，而接近全局最小，以求得待定系数的最优解，计算机模拟结果表明，Ｈｏｐｆｉｅｌｄ神经网络实现的平面拟合编码性能优于传统的最小二乘法，重建图像质量提高约０．６ｄＢ。     

一种基于Hopfield神经网络的Adhoc网络QoS路由选择算法

当前研究Adhoc网络的QoS保证主要集中于QoS路由选择。人工神经网络已成为求解大规模优化问题的一种有效方法，已经证明合适的神经网络能实时地得到问题的精确解。主要考虑在Adhoc网络中满足时延条件下的最小耗费问题，建立了一种新的Hopfield神经网络模型，给出能量函数各参数之间的关系，并证明了通过适当选取参数，网络的可行解将是渐近稳定的。计算实例表明了新网络模型的有效性。     

一种设计离散型Hopfield神经网络权值的新方法

在Hebb学习规则的基础上,提出一种设计离散型Hopfield神经网络权值的新方法,用该方法设计的网络能够对多个非正交记忆样本进行正确的回忆.通过理论证明和Matlab仿真,说明了新设计方法的正确性和可行性.     

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。     

延迟离散Hopfield网络及其串行稳定性

利用Lyapunov泛函方法,引入一种延迟离散Hopfield网络,给出该网络收敛到稳定点时网络参数应满足的条件及能量函数达到极值与网络收敛二者之间的关系,为实际应用打下了理论基础.     

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。     

具衰减随机干扰的分布参数型Hopfield神经网络的镇定

以随机Fubini定理为基础,研究具有分布参数的Hopfield随机神经网络的镇定问题,该神经网络具有衰减的随机扰动。构造了一个关于空间变量平均的Lyapunov函数,用Lyapunov第二方法给出了使该类随机神经网络控制系统镇定的控制器设计,并通过一实例证明了该控制器的有效性。