电子商务中基于Hopfield神经网络的货源信息搜索方法

对电子商务环境下货源信息搜索问题进行了分析研究,并以Internet网络为信息源,采用信息检索和人工智能相关技术,提出了基于Hopfield神经网络的货源信息搜索方法.该方法将货源信息的特征保存在Hopfield神经网络的连接权中,根据用户输入的查询词,通过网络的运行,自动生成一组查询扩展词,利用这组查询扩展词在通用搜索引擎中进行扩展搜索,并分析排序搜索结果.此方法扩大了货源搜索范围,提高了搜索精度,为企业提供了有价值的相关货源信息.     

基于神经网络合并技术的Rake接收机性能仿真

传统Rake接收机的线性合并技术不能适应无线信道的非线性特性.针对这一问题,开展了基于神经网络合并技术(NN)的研究.采用多层感知机神经网络模型,通过仿真实验确定了模型结构.在不同的仿真环境下,分别对采用等增益合并技术、最大比合并技术和神经网络合并技术的Rake接收机进行了性能仿真.结果表明:在理想信道下,基于NN技术的Rake接收机性能略好于传统的Rake接收机,性能改善不明显;在复杂信道环境下,基于NN技术的Rake接收机性能好于传统的Rake接收机.     

三轴飞行转台控制系统的仿真研究

以三轴飞行转台内框伺服控制系统为研究对象,提出了常规PID控制算法和基于模型预测的BP神经网络PID控制算法,并对阶跃、斜坡、加速度输入信号进行MATLAB仿真,得出误差曲线.仿真结果对比表明,在控制对象不确定的情况下,后者是较优越的一种算法,对改进转台控制效果有着较大的参考意义.     

序列图像目标跟踪的神经网络算法

针对序列图像目标跟踪问题，在提取图像特征点的基础上，提出了一种最优化算法，该算法将序列图像目标跟踪问题转化为相信两帧图像特征点间的匹配问题。文中根据匹配问题的各种限制条件给出代价函数，并利用Ｈｏｐｆｉｅｌｄ神经网络最优化计算功能来求取该代价函数的局部极小值。其中神经元的状态用以表示相邻两帧图像特征点间的匹配关系。神经元间的权连结用以反映地应特征点间的匹配程序。也就是说，本文针对序列黑种人希目标跟踪     

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。     

基于即时线性化的Wiener非线性系统预测控制

采用一种Laguerre网络与SBP神经网络构成的组合模型和即时线性化方法实现了对Wiener非线性系统的自适应预测控制策略。组合模型无需动态系统的阶次和时延的结构先验知识；即时线性化，即是在线依据每个控制周期由模型获得的系统未来各步预测输出yo(k i)|k,(i=1,…，P）对非线性模型进行线性化，进而利用线性化模型进行控制优化求解，即时线性化避免了非线性控制优化求解的困难。文中还给出了实现即时线性化的算法，最后仿真表明所提的算法与策略是有效的。     

时滞 Hopfield 神经网络的稳定动力学行为分析

神经网络的硬件实现常伴随反馈信号的延时,网络的应用需要对具有时滞反馈网络稳定性的充分研究。用Ｒａｚｕｍｉｋｈｉｎ型李雅普诺夫泛函方法,对非线性时滞Ｈｏｐｆｉｅｌｄ神经网络的稳定动力学行为进行了分析,利用泛函滞后微分方程的稳定性定理,导得时滞反馈连续Ｈｏｐｆｉｅｌｄ神经网络一致稳定和一致渐近稳定的充分判据。     

时滞Hopfield神经网络的稳定性研究

本文讨论了具有离散时滞和具有连续分布时滞的Hopfield 神经网络微分系统平衡点的全局渐近稳定性.去掉了有关文献中关于fi在R上有界性,可微性的条件,给出了更弱、实用性较强的判定平衡点的存在唯一性及全局渐近稳定性的条件.     

一种权值预学习BP算法的研究

采用无监督学习中的主元分析算法的０ｊａ规则对前馈网络的权值进行预学习,以此来加速前馈网络的学习速度。通过奇偶校验和非线性系统辨识两个应用,验证了该算法在学习速度与性能上都优于传统的ＢＰ算法。     

构造性神经网络覆盖算法的模糊化技术及其应用

本文通过将模糊逻辑的结构性定义引入构造性神经网络模式分类系统中,给出模糊神经网络模式分类边界的直观描述方法.在系统信息不完备的情况下,可以获得更为合理的模式分类边界,并提高模式分类的精度.实验结果表明以上方法正确.