利用连续Hopfield网络(CHNN)实现低分辨仪器的高分辨观测

结合直接解调技术,重点推导论证了利用连续Hopfield网络实现低分辩仪器的高分辨观测,并建立了相应的神经网络模型。经实验表明了该方法的实际可行性,具有较好的推广能力。

复值Hopfield神经网络的信号盲检测一步计算电路

信号盲检测在大规模通信网络中具有重要的意义并得到了广泛的应用,如何快速得到信号盲检测结果是新一代实时通信网络的迫切需求。为此,该文从模拟电路的角度设计了一种能加速信号盲检测的复值Hopfield神经网络(CHNN)电路,该电路可一步完成大规模并行计算,提高信号盲检测速度,同时该电路可以通过调整忆阻器的电导和输入电压来实现可编程功能。Pspice仿真结果表明,该电路的计算精度可达99%以上,运行时间比Matlab软件仿真快3个数量级,此外,该电路具有良好的鲁棒性,即使在20%的噪声干扰下,仍能保持99%以上的计算精度。

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。

精确复原退化图象的连续 Hopfield 网络研究

提出一种改进的全并行自反馈连续Ｈｏｐｆｉｅｌｄ网络模型用于图象复原．理论分析表明，该改进的Ｈｏｐｆｉｅｌｄ网络模型能使网络能量更精确地收敛到全局极小，从而提高复原图象的质量．对该网络复原匀速直线运动模糊图象的结果与Ｐａｉｌ方法得到的复原图象进行了比较，发现该方法得到的复原图象信噪比提高显著，目视效果更佳．

基于连续Hopfield网络求解TSP的新方法

当连续Hopfield网络及其能量函数同时具有自反馈或不具有自反馈时,称之为一致连续Hopfield网络．在分析了一致连续Hopfield网络能量稳定性的基础上,进一步研究了当网络有自反馈,而其能量函数无自反馈的情况下,网络能量变化的性质,分别给出了使能量函数上升、下降和不变的条件．利用这一理论,可以克服由于梯度下降法所导致的网络能量函数总是下降,从而使网络陷入局部极小值或不可行解的现象．最后在这个理论的基础上我们给出了一种新的求解TSP(traveling salesman problem)的方法,仿真研究表明此方法对于求解TSP问题是很有效的．

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。

基于连续Hopfield网络的多变量时变系统最优控制

针对多变量时变系统提出了一种基于连续Hop fie ld网络的最优控制系统设计方法.该方法不仅从理论上建立了移动时域上的LQ性能指标与连续Hop fie ld网络能量函数间的等价关系,并在此基础上设计出可求解LQ最优控制问题的连续Hop fie ld网络,而且将滚动优化控制策略引入控制系统,形成了包括连续Hop fie ld网络在内的闭环控制结构,实现了多变量时变系统无限域上的动态最优控制.仿真结果验证了该设计方法的有效性.

时滞连续Hopfield神经网络的全局指数稳定性

本文采用非线性时滞微分不等式分析技巧，研究了时滞连续Hopfield神经网络的稳定性，给出在任意外界恒常输入下连续Hopfield网络的平衡态的收敛速度及全局指数稳定的若干充分判据．

基于连续型Hopfield网络的最优控制方法

为克服应用离散型Hopfield网络解决动态最优控制问题时,计算量随着系统维数和控制时域的增加而指数增大的不足,提出了一种基于连续型Hopfield网络解决线性离散系统二次型最优控制问题的方法.该方法将线性二次型性能指标转化为连续型Hopfield网络的能量函数,控制序列转化为连续型Hopfield网络神经元的输出向量,从而将线性二次型动态优化问题的求解过程转化为相应的连续型Hopfield网络从初态向终态的运行过程,网络稳态输出反映了最优控制序列.该方法计算量小,实时性好,便于在线优化控制.

基于连续函数的自反馈Hopfield神经网络图像复原算法

在分析图像复原的Hopfield神经网络恢复算法的基础上,提出了一种基于连续函数的全并行自反馈改进算法,利用该算法对匀速直线运动模糊图像进行复原,并与Paik方法得到的复原图像进行比较,发现该方法得到的复原图像信噪比提高显著,且恢复过程加快。

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。

不一致连续Hopfield网络及其应用

针对一致连续Hopfield网络容易陷入局部最小和不合理解的现象,给出了不一致连续Hopfield网络的能量分析,得到了使网络能量函数上升、下降和不变的条件.在此基础上,通过衰减自反馈,提出了求解旅行商问题(Traveling Salesman Problem,TSP)的新网络.通过仿真证实,该网络可有效地求解TSP问题.

一种具有连续滞后神经元的Hopfield网络求解TSP问题的算法(英文)

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。

基于CHNN聚类算法的款式部件生成模型

对智能化服装款式设计系统中的款式部件的自动获取功能进行了研究。采用基于连续Hopfield神经网络(CHNN)的聚类算法提出了一个款式部件的风格生成模型。提取表现部件造型特征的特征要素构造一个空间点集,利用CHNN网络对该点集进行聚类,分析部件类别与款式设计风格之间的关系,建立基于款式风格设计的部件搭配规则。并将该模型应用于款式的衣片部件上,实现了衣片部件的聚类。实验结果表明,该模型设计合理,分类清晰,具有可扩展性。

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。

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。

一类自变量分段连续的延迟Hopfield型网络分析

利用变量分段连续的微分方程与其诱导出的离散方程的关系,研究了一类自变量分段连续的Hopfield型神经网络的动力学性质。得到了该模型零解稳定的条件,并对结果进行了数值仿真。

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．