延迟离散Hopfield神经网络的动态行为

主要研究带有延迟项的离散Hopfield神经网络动态演化行为.给出了延迟网络并行收敛于周期小于等于2的极限环的一些条件.同时,得到了延迟网络收敛于周期为2的极限环的条件.而且对所获结果通过例子进行了验证.这些结果为延迟离散Hopfield神经网络的进一步分析和应用提供了一定的理论基础.

延迟离散Hopfield神经网络的稳定性条件

神经网络的稳定性被认为是神经网络各种应用的基础,而延迟离散Hopfield型网络是离散Hopfield网络的一种推广,本文研究了延迟离散Hopfield神经网络的异步运行方式下的收敛性,并给出了相应的收敛性条件,所获结果推广了已有的结论,为网络的应用提供了一定的理论基础。

离散Hopfield神经网络在职业院校学生综合素养评价中的应用研究

为克服教育评估中人为因素的干扰,提高评估的准确性和效率,该文探索将离散Hopfield神经网络应用到职业院校学生综合素养的评价中。Matlab仿真发现,通过设置合适的神经元平衡点,离散Hopfield神经网络可根据输入的指标数据对学生的职业综合素养给出有效的评估,评估结果与专家评估的结果完全一致。

改进离散Hopfield神经网络在煤矿人因评估中的应用

为了预防和控制煤矿人因事故发生,将离散Hopfield神经网络应用于煤矿人因安全评估中。首先根据人因分析与分类系统(Human Factors Analysis and Classification System,HFACS)模型建立煤矿人因安全风险评估体系,体系包含多个指标;其次是构建输入矩阵,借助模糊综合评价法对评估指标量化编码;最后,运用学习率优化的离散Hopfield神经网络展开煤矿人因安全评估,以模型输出结果确定评估对象风险等级。将构建的煤矿人因安全评估模型与传统评估方法进行比较,结果表明该模型合理有效,可用于煤矿人因安全评估,为煤矿人因安全管理提供依据。

延迟离散Hopfield型神经网络异步收敛性

离散Ｈｏｐｆｉｅｌｄ型神经网络的一个重要性质是异步运行方式下总能收敛到稳定态；同步运行方式下总能收敛到周期不超过２的极限环．它是该模型可以用于联想记忆设计、组合优化计算的理论基础．文中给出了延迟离散Ｈｏｐｆｉｅｌｄ型网络的收敛性定理．在异步运行方式下，证明了对称连接权阵的收敛性定理，推广了已有的离散Ｈｏｐ－ｆｉｅｌｄ型网络的收敛性结果，给出了能量函数极大值点与延迟离散Ｈｏｐｆｉｅｌｄ型网络的稳定态的关系及稳定态邻域的演化特征，得到了能量函数收敛与异步运行时网络达到稳定的协调关系．

离散Hopfield神经网络的稳定性研究

离散Hopfield神经网络的稳定性是网络应用的基础 .文中主要研究非对称离散Hopfield神经网络的异步、同步、部分同步演化方式的稳定性 ,并给出了一些新的稳定性条件 ,所获结果推广了一些已有的结论 .

基于离散Hopfield神经网络的公交调度评价方法研究

根据公交调度评价问题的特点,提出了基于离散Hopfield神经网络的评价方法.在构造Hopfield神经网络时,从公交系统运行效率,衔接的顺畅性,运力协调性,企业经济利润率等四个主要内容出发,选取有效时间利用率、平均换乘次数、运能匹配度和运营利润率四个可量化且彼此相互独立的指标,作为公交调度优化结果的评价指标.并用matlab对Hopfield网络进行设计仿真,使其可以更加合理和方便地对公交调度结果进行评价,从而具有更广泛的工程应用面.最后通过实例计算验证并将计算结果与传统的德尔菲法进行比较.结果表明,该方法合理有效,且相对于传统的方法操作简单、易推广,具有一定的优越性.

离散型Hopfield神经网络稳定性的研究

提出了离散型Hopfield神经网络DHNN模型权矩阵的等效矩阵的概念,给出了相关算法。利用等效矩阵的概念可把DHNN模型按其轨道是否相同进行分类。因而,获得了研究DHNN模型收敛性的一种新方法,并利用此方法推广了已有的有关收敛性的几乎所有结论。

离散Hopfield神经网络的稳定性分析

主要研究非对称离散Hopfield神经网络并行演化方式的动力学行为，同时给出了 网络的一些新的稳定性条件，所获结果不仅推广了一些已有的结论，而且为该网络的应用提 供了一定的理论基础。

基于离散Hopfield神经网络的葡萄酒质量评价

葡萄酒质量评价是一个多因素、非线性的复杂过程,为了提高评价结果的准确性,在构建评价指标体系的基础上,利用离散Hopfield神经网络建立了葡萄酒质量评价的数学模型,并通过Matlab神经网络工具箱对葡萄酒质量评价进行仿真试验.结果表明,该模型提高了葡萄酒质量评价的准确性,评价结果对葡萄酒的生产和市场定位具有一定的参考意义.

离散Hopfield神经网络的手写数字识别研究

利用离散Hopfield神经网络对手写数字识别进行了研究。将受到噪声污染的手写数字储存为二值图像,然后调制成二进制信号通过神经网络进行传输,通过给定权矩阵的Hopfield神经网络进行按址存储,将网络输出的内容再映射为数字图像。实验结果表明:数字图像识别的误码率与调制信号的幅值、码间时间间隔和网络神经元耦合个数成负相关关系,而且随着噪声强度的增加,误码率出现非周期随机共振现象,在一非零最优噪声强度值达到最小,此时数字图像也恢复得更加清晰。这些结果为进一步研究最小误码率优化目标下的Hopfield神经网络自适应权重矩阵提供了实验依据,而且对于神经网络联想记忆中随机因素的作用研究具有重要意义。

离散Hopfield-型神经网络的动态行为

主要利用网络的状态转移方程和定义能量函数的方法对非对称离散Hopfield神经网络在并行演化方式的动力学行为进行了研究。同时,给出了一些新的网络的收敛性条件。所获结果推广了一些已有的结论。

带有离散分布式延迟神经网络的不等时滞分割稳定性分析方法

该文解决了带有离散分布式延迟的神经网络的稳定性分析问题,提出了一种不同于以前方法的新不等时滞分割方法.通过将延迟区间不等地分成多个递减子区间,从而建立一个新颖的包含三次积分项的Lyapunov-Krasovskii函数.其与一些有效的数学技术和新不等时滞分割方法综合在一起,使得新的稳定性标准已被提议减少其保守性.数值仿真实例证明了该文所提出方法的有效性.

联合井式电阻炉神经网络离散型Hopfield算法的建模与仿真

文章利用强大的数学计算工具—MATLAB语言及SIMULINK仿真技术,采用离散型(DiscreteHopfieldNeuralNet,DHNN)Hopfield算法,对具有典型非线形、大滞后、强耦合的复杂系统—联合井式电阻炉进行建模与仿真研究,同时在工业现场初步加以应用,收到了很好的效果,为工程决策提供科学依据。

离散Hopfield联想记忆神经网络的渐近行为

该文对一类离散 Hopfield联想记忆神经网络的渐近行为进行了讨论 ,首先提出这类 I/ O函数取为Sigm oid型函数的离散 Hopfield联想记忆神经网络的数学模型 ,讨论并给出了这种模型的一系列性质 ,例如运动轨迹的有界性、平衡点的唯一性以及渐近稳定性等 ,得到了平衡点渐近稳定的充分条件 .检验这种神经网络模型的渐近稳定性 ,只需要测试一个特定矩阵的定性性质或特定不等式即可 .这些结果可用于离散

对一离散Hopfield神经网络稳定性定理的补充

对一离散型Hopfield神经网络的稳定性定理进行讨论,对其结论作了补充修改,并以具体例子说明了定理修改的必要性.

基于离散Hopfield神经网络的写作能力评价模型研究

针对传统学生英语写作能力分类方法准确率偏低的情况,提出一种基于离散Hopfield神经网络(DHNN)的写作能力评价模型。首先,用层次分析法构建了学生英语写作能力评价指标体系,然后将写作能力分类指标划分为5个等级,进行编码,网络通过对分类标准的联想记忆,实现对于学生的英语写作能力的分类,并和BPNN模型的分类结果进行对比。仿真结果表明:BPNN模型分类准确率为80.0%,DHNN模型分类准确率为100.0%,DHNN模型提高了分类准确率和泛化能力且模型建立过程简单、结果直观,验证了所提出的模型的有效性。

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。

离散Hopfield神经网络的稳定性分析

利用能量函数推广了一些关于离散 Hopfield 神经网络稳定性结论,同时给出了稳定点存在的一个充要条件,最后给出了几个有趣的例子,揭示这类网络渐进行为的复杂性。

离散Hopfield神经网络的异步渐近行为

主要研究非对称离散Hopfield神经网络和带有延迟项的非对称离散Hopfield神经网络的异步渐近行为。提出了异步演化的网络状态图和网络状态图的洞的概念 ,研究了网络状态图的洞和神经网络的异步稳定性之间的关系。给出了非对称离散Hopfield网络的异步稳定条件和不稳定条件以及某些特殊情况下的网络状态图的结构。同时 ,也得到了非对称延迟离散Hopfield网络的异步收敛性条件。所获结果推广了一些已有的结论。