基于Hopfield神经网络的谐波电流检测方法

在对各种谐波电流检测方法进行简单比较的基础上,提出了一种基于Hopfield神经网络(HNN)的谐波电流检测方法.该方法将HNN优化理论用于电力系统的谐波检测,自适应地准确检测出电网基波和各次谐波分量的幅值和相角.采样数据处理速度快,实时性好,网络不需要预先进行训练.仿真结果表明,该方法具有很好的实时性、较高的检测精度以及自适应跟踪负载电流变化的能力.

Hopfield神经网络算法求解路网最优路径

为了解决经典算法在求解大规模路网最优路径时运算时间长的问题,研究了Hopfield神经网络的特点,建立了一般路网的数学模型,根据Hopfield神经网络的特点设计了适合车辆诱导的路网Hopfield神经网络最优路径算法.采用动态邻接矩阵对该算法进行了优化,减少了运算时间.把该Hopfield神经网络算法应用于所研发的车辆诱导系统的最优路径求解中,并进行了实际路网测试,结果表明应用该算法能够正确求解路网的最优路径,且比经典算法的运算效率高.

基于状态连续变化的Hopfield神经网络的图像复原

针对图像复原提出了神经元状态连续变化的Hopfield神经网络模型,详细讨论了两种连续函数串行、全并 行复原算法的收敛性和参数选择,仿真实验表明,该模型能够精确达到能量极小点,并对复原图像的信噪比有一定的提高。

基于Hopfield神经网络算法的雷达干扰资源分配

为了使有限的雷达干扰资源发挥最佳的干扰效果,基于干扰效益最大准则建立了雷达干扰资源优化分配模型。提出了基于Hopfield神经网络算法的干扰资源优化分配方法,利用该方法能够在可行的解空间中找出满足能量函数和约束条件的全局最优分配方案。并与干扰资源蚁群优化分配算法进行了比较,理论推导与仿真实验表明该方法的可行性与有效性,且比蚁群分配算法具有更快的收敛速度和更好的健壮性。

基于遗忘进化规划的Hopfield网学习算法

本文提出了一个基于遗忘进化规划的Ｈｏｐｆｉｅｌｄ网学习算法．通过遗忘部分个体，算法能避免局部最小．给定不动点、极限环或迭代序列，通过解不等式，算法能同时获得Ｈｏｐｆｉｅｌｄ网的拓扑结构和权值．该算法克服了进化Ｈｏｐｆｉｅｌｄ网学习的局限性．它还能找到多个优化解．实验也证明了该算法的有效性．

基于局部进化的Hopfield神经网络的优化计算方法

提出一种基于局部进化的 Hopfield神经网络优化计算方法 ,该方法将遗传算法和 Hopfield神经网络结合在一起 ,克服了 Hopfield神经网络易收敛到局部最优值的缺点 ,以及遗传算法收敛速度慢的缺点。该方法首先由Hopfield神经网络进行状态方程的迭代计算降低网络能量 ,收敛后的 Hopfield神经网络在局部范围内进行遗传算法寻优 ,以跳出可能的局部最优值陷阱 ,再由 Hopfield神经网络进一步迭代优化。这种局部进化的 Hopfield神经网络优化计算方法尤其适合于大规模的优化问题 ,对图像分割问题和规模较大的 2 0 0城市旅行商问题的优化计算结果表明 。

一种改进的Hopfield神经网络SST图像恢复方法

提出了采用三元存储结构和图像分块的改进算法,同时利用模拟退火算法和遗传算法来提高恢复算法的收敛速度,从而进一步提高图像恢复的实时性。最后利用所提出的基于Hopfield神经网络的快速恢复方法进行模拟计算,其运算效率和恢复结果都能达到SST图像恢复的使用要求。

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 Create Chromosome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 .

用Hopfield神经网络反演横向各向同性介质参数

本文用Hopfield神经网络对横向各向同性介质的各向异性参数反演作了初步研究，首先简述Hopfield神经网络，说明该网络具有能量单调下降但并不保证收敛到能量最小的特性，然后详细推导了运行网络的权系数和输入项公式。为了克服Hopfield网络不能保证收敛到能量最小的缺点，并考虑到模拟退火算法具有全局收敛的优点，我们将模拟退火算法思想与特定的Hopfield神经网络结合起来运行网络，从而达到了改善解的目的。最后就各向同性及横向各向同性两种情况作了计算，计算结果验证了算法的有效性和可行性。

基于任意给定训练集的离散型Hopfield网学习算法

本文提出了一个离散型Ｈｏｐｆｉｅｌｄ网联想记忆学习算法，该算法增加了训练样本的维数，因而能存储任意给定的训练模式集．

旅行商问题的Hopfield神经网络算法

旅行商问题是一个 NP-完全问题,文中综述了近十几年来 Hopfield 神经网络模型在这个问题上的应用.

基于Hopfield神经网络模型的通道布线算法

本文探讨了用Hopfield神经网络模型解决通道布线问题的一种新算法。算法描述了Hopfield模型与通道布线问题的映射方法和网络能量函数的构造方法,在能量函数中既考虑了合法解约束项,又考虑了优化解约束项,从而提高了布线质量。本文的意义还在于它证明了用Hopfield网络求解通道布线问题是可行的,有效的。

基于遗传Hopfield混合神经网络的多轴控制系统设计与实现

采用ASIC核心的PCI多轴控制器,通过对步进电机的运动控制及状态反馈,设计完成了八轴控制系统.在汉字雕刻路径问题上,结合遗传算法和Hopfield神经网络算法的优点,提出遗传Hopfield混合神经网络算法对汉字雕刻路径进行优化,较好地解决了雕刻过程混乱、雕刻总路径过长的问题.给出了该系统的硬件结构以及遗传Hopfield混合神经网络优化算法和仿真结果.实际应用表明,该多轴运动控制系统具有很好的稳定性和控制精度.

一种基于遗传Hopfield神经网络求解TSP问题的算法

针对Hopfield网络求解TSP问题时出现无效解和收敛性能差的问题,对约束条件能量函数进行改进,构造了一种求解TSP问题的遗传Hopfield神经网络算法,并与经典Hopfield神经网络求解TSP方法进行对比。实验结果表明,本文算法具有更好的整体求解性能。

基于离散Hopfield神经网络的数据加密算法

离散Hopfield神经网络的吸引性不仅具有重要理论意义,而且是现代网络应用基础。基于离散Hopfield神经网络,简要讨论了算讨论了其吸引性;并利用其非线性混沌机制和并行计算的特点,提出了数据分组加密算法和公钥加密算法;法的安全性。

基于遗传算法和Hopfield神经网络的字符识别方法

分析了Hopfield神经网络和遗传算法的基本原理,探讨了Hopfield神经网络在字符识别中的应用,针对Hopfield神经网络易陷入局部最优的问题,提出了基于遗传算法的Hopfield神经网络的字符识别方法,利用遗传算法的全局搜索能力来弥补Hopfield网络易陷入局部最优解的缺点,并进行了仿真验证。实验结果证明,该方法的识别正确率较高。

海洋工程结构优化的遗传Hopfield神经网络算法研究

构造了基于遗传算法的反馈 Hopfied神经网络工程结构优化模型 ,并探讨了应用人工神经网络进行海洋工程结构分析与优化的基本原理和人工神经网络在海洋工程中计算研究的现状与趋势。同时利用构造的工程结构优化遗传 Hopfield神经网络模型对算例进行了优化分析 ,计算结果表明了这一方法具有很好的稳定性和全局收敛性。

基于联想记忆的Hopfield神经网络的设计与实现

介绍了反馈型神经网络Hopfield网络的定义、原理、模型和基本学习规则,并构造了一个用于联想记忆的Hopfield神经网络模型.对实验结果进行分析、比较,实验结果表明:Hopfield神经网络用于数字识别是可行、有效的;该方法较传统神经网络能提高网络的记忆能力和数字识别的正确率;该方法有别于以往的BP神经网络的模式识别,结合一些优化算法,如遗传算法,能对Hopfield神经网络的联想记忆稳态进行优化,增强神经网络的联想记忆能力.

Hopfield神经网络和AES结合的超混沌图像加密算法

针对近几年人工神经网络在图像加密领域的应用进行了研究,提出了一种新的四维Hopfield神经网络和AES(高级加密标准)加密算法相结合的超混沌图像加密算法。该方法首先定义了四个数和提取一个明文像素值的平均值作为密钥,通过Hopfield神经网络生成的超混沌序列作为AES加密算法的目标密钥;然后,将明文与目标密钥进行异或处理;最后,将目标密钥代入算法进行三重AES加密算法进行加密得到密文。通过仿真实验表明,该算法能够很好地结合两种算法的优点,达到非常好的加密效果。

基于改进型Hopfield神经网络的潜污泵故障诊断方法

为了实现对潜污泵运行时的故障问题进行精准诊断,提出一种改进型Hopfield神经网络(HNN)故障诊断方法。利用BP神经网络进行编码操作,克服HNN神经网络的编码缺陷,并通过粒子群优化算法(PSO)对HNN神经网络连接权值进行优化,提高改进型神经网络的全局收敛能力,得到改进型HNN神经网络模型。基于现场实验,获得潜污泵故障运行时的振动信号特征向量,将特征向量作为样本数据对改进型神经网络进行训练,并对潜污泵的故障类型进行诊断。研究结果表明:改进型HNN神经网络全局收敛能力较好,对潜污泵典型故障的诊断准确率达到90%以上,可以实现对潜污泵运行时的故障进行精确诊断。