时滞Hopfield神经网络的分岔控制

 研究了一类带3个时滞的Hopfield神经网络的分岔控制问题。考虑系数扰动影响,通过对比一般的时滞状态反馈控制,根据Hopf分岔定理,选取时滞为分岔参数,提出了一类新的混合控制策略——带参数扰动和时滞状态反馈的控制方法,得到了一些新的分岔控制结果。进而通过已有结果检验分岔控制的效果,得到新的分岔控制对于改变分岔发生的位置有较好的调节和延迟的作用。这一结果对控制周期分岔和混沌行为具有重要的指导意义。最后,结合示例和数值模拟进一步验证了此混合控制策略的有效性。     

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。     

Adaptive neural control for a class of uncertain stochastic nonlinear systems with dead-zone

The problem of adaptive stabilization is addressed for a class of uncertain stochastic nonlinear strict-feedback systems with both unknown dead-zone and unknown gain functions.By using the backstepping method and neural network(NN) parameterization,a novel adaptive neural control scheme which contains fewer learning parameters is developed to solve the stabilization problem of such systems.Meanwhile,stability analysis is presented to guarantee that all the error variables are semi-globally uniformly ultimately bounded with desired probability in a compact set.The effectiveness of the proposed design is illustrated by simulation results.     

基于神经网络的迟滞非线性逆模型

为了补偿迟滞特性对系统的不良影响,提高迟滞非线性系统的控制精度,建立了神经网络迟滞非线性逆模型.由于神经网络不能够直接逼近迟滞逆这种具有记忆性的多映射现象,通过引入一个迟滞逆算子,将多映射的迟滞逆转换成一一映射,然后运用神经网络来逼近这个一一映射从而建立一个基于神经网络的迟滞逆模型.该模型的主要优点是结构简单、精度高,可以在线调整神经网络的权值以适应不同工作条件下的迟滞逆辨识.最后,运用该方法对压电执行器中的迟滞非线性建立了逆模型.     

基于Hopfield神经网络的唐卡图像损伤区域的提取

反映藏族文化艺术特色的古唐卡由于自然和人为的原因有些遭受了不同程度的损伤。针对唐卡画面颜色脱落的一类特殊损伤形式,通过对Hopfield神经网络稳定性的分析,在HSI色彩空间研究Hopfield网络模型,并利用其记忆特性对古唐卡图像进行颜色聚类分割。实验结果表明这种方法可以有效地提取图像中的损伤区域。     

基于改进遗传算法的BP神经网络自适应优化设计

BP(Back Propagation)神经网络在网络训练中存在着局部最优问题,其算法收敛过慢、局部收敛不理想,影响其工作性能.针对以上不足以及传统神经网络设计规模庞大等问题,提出了一种由EGA(改进的遗传算法)确定网络拓扑结构和训练网络的方法,该方法通过实数编码、自适应多点变异等操作有效地优化了网络拓扑结构和网络参数,从而有效缩小了网络规模和提高了BP网络训练的速度以及收敛的有效性.最后结合了番茄常见病害诊断的实例说明了此方法的可行性.     

混合故障模型下离散Hopfield联想存储器的鲁棒性

离散 Ｈｏｐｆｉｅｌｄ 联想存储器（ Ｄ Ｈ Ａ Ｍ）在联想记忆方面有很大的优点,但是在硬件实现过程中存在着各种故障。对于软硬故障同时存在情况下 Ｄ Ｈ Ａ Ｍ 的性能进行分析是很有必要的。该文对 Ｄ Ｈ Ａ Ｍ 建立了同时包含权值误差、权值断路、神经元输出固值等各种软、硬故障的故障模型,定义了概率意义下 Ｄ Ｈ Ａ Ｍ 的鲁棒性。运用概论统计的方法推导出了运行于同步方式下 Ｄ Ｈ Ａ Ｍ 的鲁棒性,推导中对结果进行了近似处理。对 Ｄ Ｈ Ａ Ｍ 系统进行了仿真实验,与利用这种鲁棒性分析方法计算进行了对比,结果相差非常小,证实了此方法的正确性,可以用于 Ｄ Ｈ Ａ Ｍ 的可靠性计算。     

变时滞离散时间切换Hopfield神经网络的稳定性分析(英文)

主要研究具有时变时滞和不确定项的离散时间切换霍普菲尔德神经网络的鲁棒指数稳定性问题。首先,给出具有时变时滞和不确定项的离散时间切换霍普菲尔德神经网络的数学模型。然后,基于一个新的李亚普诺夫-克拉索夫斯基泛函、离散时间的詹森不等式和线性矩阵不等式,应用平均驻留时间方法,导出一些新的时滞依赖的准则,从而保证离散时间切换霍普菲尔德神经网络的鲁棒指数的稳定性。并且通过一个数值例子验证了导出结果的有效性。     

连续Hopfield网络指数稳定的两个判据

根据连续Hopfield网络方程的特点,利用Lypunov函数,得出了两个连续Hopfield网络指数稳定的判据,所得结论推广了文献中的一些结果,并且证明过程简捷.     

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.