渗透系数反演的CHNN模型方法

利用连续型Hopfield神经网络 (ContinuousHopfieldNeuralNetwork ,简称CHNN)的反馈特性 ,结合实测资料和数值计算 ,构建了岩土体渗透系数的人工神经网络反演模型 ,通过网络神经元状态的变迁而最终稳定于平衡状态 ,从而得到渗透系数反演优化计算的结果。经实例验证 ,效果较好。

一种改进的图像边缘检测方法——Weighted CHNN

文中提出了一种改进的CHNN方法,称为Weighted CHNN(加权的CHNN,简称WCHNN)方法.该方法在CHNN神经网络元的n个连接上施加权值,可以通过各种局部搜索、优化算法,使用指定的样本输入、样本输出等方法来训练该WCHNN网络从而确定各权值,使得WCHNN在保留了CHNN的优点的同时,还可以根据不同的样本输入输出图像来调节边缘检测的灵敏度,从而提高检测结果质量并避免检测结果中出现边缘过宽的情况.实验结果表明,训练后的WCHNN网络,比起CHNN有着更低的边缘检测错误率,并可检出原来CHNN方法漏检的边缘.

CHNN型神经网络在双效溴化锂吸收式制冷机的参数优化设计中的应用

对于溴化锂制冷机组的参数优化设计,传统的做法是先建立数学模型,然后根据坐标轮换法求得最优解,但对于双效、双级甚至三效制冷机,该方法的运算量大,建模复杂。本文利用CHNN型神经网络建模,把目标函数和约束条件转化为能量函数,进行优化计算,计算速度大大提高,且不受空间维数限制,并且模型可直接转化为电路,求得最优解。

一种改进的CHNN图像边缘检测方法—Weighted CHNN

针对文献[1]中提出的CHNN图像边缘检测算法缺乏足够的参数来调节边缘检测的灵敏度以及检测结果图像边缘过宽的缺陷,提出一种改进的CHNN方法,称之为Weighted CHNN(加权的CHNN,简称WCHNN)方法。该方法在CHNN神经网络元的n个连接上施加权值,可以通过各种局部搜索、优化算法,使用指定的样本输入、样本输出等方法来训练该WCHNN网络从而确定各权值,使得WCHNN在保留了CHNN的优点的同时,还可以根据不同的样本输入输出图像来调节边缘检测的灵敏度,从而提高检测结果质量并避免检测结果中出现边缘过宽的情况。实验结果表明,训练后的WCHNN网络,比起CHNN有着更低的边缘检测错误率,并可检出原来CHNN方法漏检的边缘。

一种改进的CHNN图像边缘检测方法研究

针对文献[1]中提出的CHNN图像边缘检测算法缺乏足够的参数来调节边缘检测的灵敏度以及检测结果图像边缘过宽的缺陷,提出一种改进的CHNN方法,称之为Weighted CHNN(加权的CHNN,简称WCHNN)方法。该方法在CHNN神经网络元的n个连接上施加权值,可以通过各种局部搜索、优化算法,使用指定的样本输入、样本输出等方法来训练该WCHNN网络从而确定各权值,使得WCHNN在保留了CHNN的优点的同时,还可以根据不同的样本输入输出图像来调节边缘检测的灵敏度,从而提高检测结果质量并避免检测结果中出现边缘过宽的情况。实验结果表明,训练后的WCHNN网络,比起CHNN有着更低的边缘检测错误率,并可检出原来CHNN方法漏检的边缘。

EDA 环境 CHNN 仿真实现的研究

论述了人工神经网模型ＣＨＮＮ，并讨论了用ＥＤＡ技术建立ＣＨＮＮ的方法。

CHNN模拟软件的设计分析与实现

本文分析了在设计连续Hopfield（CHNN）模拟软件时，如何设定时间步长（△t和tanh（gu）函数中的增益g的取值等问题．在神经元状态范围为[－1，1]的假定下，提出了以连接权和阀值确定△t和以浮点数范围确定g的实现方法．A／D转换实验表明了本方法的可行性．

基于CHNN的自动化立体仓库货位优化研究

利用神经网络解决组合优化问题是神经网络应用的一个重要方面。文章通过设计CHNN的能量函数与立体仓库货位分配组合优化问题相对应,当CHNN的输出状态趋于平衡点时,能实现立体仓库货位分配组合优化问题的最优解。最后,通过MATLAB实验仿真验证算法的有效性。

改进CHNN神经网络航迹关联算法

航迹关联和航迹融合是分布式数据融合的重点。基于Hopfield神经网络的航迹关联算法是建立在每个传感器都发现相同目标的基础上的,但是在实际应用中往往不是这样。改进了基于连续型神经网络的广义航迹关联算法,进一步地,该算法可以推广到多个传感器的情形。为了加速Hopfield神经网络的收敛速度,重新定义马氏距离。计算机仿真表示,改进算法适用于多传感器航迹关联问题,且适用于密集目标航迹交叉的情形。

轨道交通车辆吹扫机器人智能路径规划研究

针对城市轨道交通车辆吹扫机器人路径规划问题,提出一种基于CHNN神经网络的全覆盖路径规划算法,综合机器人运行方向上障碍物信息与吹扫信息建立栅格地图,采用矩形分解法将整个工作空间划分为不同矩形子区域,在各子区域内基于栅格信息分别得到全覆盖路径,各子区域之间则采用CHNN神经网络进行遍历寻优。仿真结果表明:所提出的算法可以有效解决吹扫机器人全覆盖路径规划过程中的路径缠绕和清洁死区问题,降低了路径重复率,提高机器人吹扫效率,具有较好的工程应用前景。

基于电力负荷可调特性的城市楼宇配网优化运行

城市楼宇是有效促进电能节约和合理利用的场所,有利于加快发展低碳经济。从经济性和可接受度两个方面着手,提出了一种智能楼宇电力负荷的多目标优化模型。首先,针对可转移负荷和可缩减负荷建立与时间/负荷相关的指标,用于描述用户参与负荷调节的接受度。然后,以统计周期内负荷峰谷差率最小、可接受度最高、电费最低为目标,建立楼宇负荷组合数学优化模型。最后,基于连续型Hopfield神经网络(continuous Hopfield neural network,CHNN)进行模型的求解。算例分析表明,多目标优化结果能实现用电可接受度条件下有效降低用电费用。

行星表面非规则陨石坑检测与识别方法

针对深空探测任务中行星表面特征检测与识别问题,提出了一种新的行星表面非规则陨石坑检测与识别方法。首先采用基于背景的Hopfield网络实现陨石坑边缘的提取,在对陨石坑边缘多种约束进行分析的基础上,提出了伪边缘剔除方法,并结合线性抗差估计理论与最小误差中值椭圆拟合方法,实现了对非规则陨石坑,特别是重叠及不完整陨石坑的检测及特征参数的提取。通过对行星表面光学图像的数学仿真验证了该方法能够对复杂背景下的非规则陨石坑进行有效的检测与识别。

基于双层路径优化算法的多机器人最优编队方法

为解决能耗和时间约束下的多机器人编队集结点优化问题,提出一种将粒子群优化(PSO)与连续Hopfield神经网络(CHNN)结合的双层路径优化算法。针对时间约束,设计了一种PSO算法求解最优编队集合点;针对总能耗约束,利用Dubins路径将路径规划转换成指派问题,并基于CHNN搜索最优分配路径。三个同构欠驱动机器人的数值仿真结果表明:所提算法提高了搜索能力,且能够实现最优编队集结。

基于连续型Hopfield神经网络输气干线优化

针对输气干线优化设计属于约束非线性混合离散变量优化设计问题,采用以并行计算为基础的连续型Hopfield神经网络进行求解,将实际问题的优化解与神经网络的稳定状态相对应,把实际问题的优化过程映射为神经网络系统的演化过程。结果表明,CHNN算法能显著减小计算量,降低求解模型的计算复杂度,其优化效果优于模拟退火算法和方案比较法,可在保证各项约束的前提下,达到投资最小化,对输气干线优化设计和设计方案的优选具有一定的工程指导意义。

基于连续型Hopfield神经网络的一种A/D变换器

连续型Hopfield神经网络,即 Continuous Hopfield Neural Network,简称 CHNN。本文主要介绍了用ＣＨＮＮ实现８位Ａ／Ｄ变换器的原理、模型、步骤和电路。

基于连续型Hopfield神经网络的系统辨识

连续型Hopfield神经网络(CHNN)可用于优化计算,但其会遭遇较复杂的参数辨识问题.为了较好地解决这一问题,将擅长全局搜索的蚁群-粒子群混合算法用于对系统参数的最优化选取.再将此混合算法与CHNN有机结合,更好地解决参数辨识问题,且能有效避免CHNN在应用过程中陷入局部最优解.最后,将理论结果应用于求解TSP问题来验证其有效性.

基于连续型Hopfield神经网络的噪声字符识别

采用连续型Hopfield神经网络(CHNN)对噪声字符进行识别。此模型比离散型Hopfield神经网络(DHNN)和布尔神经网络(BNN)更易于硬件实现,且在信息处理的并行性和实时性等方面更接近实际生物神经网络的工作原理。仿真结果表明该方法可以有效地对噪声字符进行识别。

动态系统实现火电厂机组负荷优化分配

利用连续型Hopfield神经网络(CHNN)可以将负荷优化分配问题转化为求解多变量非线性动态系统的稳态值。文中直接将负荷上下限约束条件作为神经元激活函数，构造出了通用的网络拓扑结构，理论和仿真试验证明了该方法能够全局收敛。并通过动态仿真手段获取稳态负荷优化分配结果。通用软件包开发和仿真过程表明该方法简单、可靠且适用。

基于实虚型连续多值复数Hopfield神经网络的QAM盲检测

针对统计量算法盲检测QAM信号的缺陷,该文提出了一个实虚型连续多值复数Hopfield神经网络算法,该网络的实部、虚部各含一个连续多值实激活函数.该文构造了适用于该网络的能量函数,并分别在异步和同步更新模式下证明了该神经网的稳定性.当该神经网的权矩阵借助接收数据补投影算子构成时,该实虚型连续多值复数Hopfield神经网络可有效地实现QAM信号盲检测.仿真试验表明:该算法采用较短接收数据即可到达全局真解点,并且适用于含公零点信道.

基于连续Hopfield型神经网络的QAM信号盲检测

该文利用连续Hopfield网络本身特点,提出基于连续复Hopfield网络的多值方形/非方形QAM信号的直接盲检测方法。首先完成多值信号盲检测的优化问题构造和能量函数的映射,设计了一个适用于该问题的激活函数。然后给出能量函数的设计与分析、盲检测信号权矩阵的配置方法及其神经元数目选择的一般规律。最后通过对方形QAM和非方形QAM信号的仿真现象展示和分析,验证了所提方法的有效性和鲁棒性。