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.

连续型HOPFIELD网络在文档保密中的应用

本文采用设定权重法构造出连续ＨＯＰＦＩＥＬＤ网络模型，并采用Ｒｕｎｇｅ－ｋｕｔａ法来求解连续ＨＯＰＦＩＥＬＤ网络运行结果，并仿真出非对称ＨＯＰＦＩＥＬＤ网络特有的运行状态———混沌，最后利用该结果完成文档保密。

血尿酸与慢性代谢性疾病的连续型和离散型贝叶斯网络效果比较

目的建立血尿酸与相关代谢性指标的连续型和离散型贝叶斯网络模型,探寻血尿酸的影响因素,并比较两种网络结果的特点和优劣。方法利用山西省2015年慢性病监测的血尿酸及其代谢性疾病的特征指标共4646例,采用(improved partial-correlation-based,IPCB)算法建立血尿酸的连续型贝叶斯网络,同时将上述指标离散化,采用(max-min hill-climbing,MMHC)建立高尿酸的离散贝叶斯网络。结果离散贝叶斯网络发现14条边,其中甘油三酯和舒张压异常与高尿酸直接关系,导致高尿酸的发生;年龄为间接因素;而连续贝叶斯网络共包含24条有向边,年龄、TG、LDL、HDL、SP、DP与尿酸水平直接相关,随着年龄、TG、LDL的增大和HDL的降低,尿酸水平升高,而尿酸水平升高又导致SP、DP升高;TC与尿酸间接相关。结论两种网络模型适应的资料类型不同,但连续型贝叶斯网络发现的直接相关因素更多,整体解释度更好。

一种新型复合指数型局部有源忆阻器耦合的Hopfield神经网络

由忆阻耦合的神经网络模型,因其能更真实地反映生物神经系统的复杂动力学特性而被广泛研究.目前用于耦合神经网络的忆阻器数学模型主要集中在一次函数、绝对值函数、双曲正切函数等,为进一步丰富忆阻耦合神经网络模型,且考虑到一些掺杂半导体中粒子的运动规律,设计了一种新的复合指数型局部有源忆阻器,并将其作为耦合突触用于Hopfield神经网络,利用基本的动力学分析方法,研究了系统在不同参数下的动力学行为,以及在不同初始值下多种分岔模式共存的现象.实验结果表明,忆阻突触内部参数对系统具有调控作用,且该系统拥有丰富的动力学行为,包括对称吸引子共存、非对称吸引子共存、大范围的混沌状态和簇发振荡等.最后,用STM32单片机对系统进行了硬件实现.

具有时滞的二阶连续型Hopfield神经网络的周期解

对激励函数为非光滑的二阶Hopfield神经网络的周期解的存在唯一性问题进行讨论.得到了当每个输入函数是 以ω为周期时,该类神经网络存在唯一性ω周期解的一个充分判据.同时,也获得了该类网络的其余各解全局指数收 敛于该ω周期解的一个判据.作为特例,具有时滞的一阶连续型Hopfield神经网络的类似结果也被获得.

基于离散Hopfield网络对英文字母识别的研究

中国的车牌有三部分构成,第一部分为汉字,表示该车户口所在省的简称。第二部分为英文字母,表示该车所在地的地市一级代码。第三部分为数字和英文字母的组合。随着公路上交通压力越来越大以及汽车管理效率的低下,提出了针对车牌中的英文字母的识别方法。定义了标准英文字母,鉴于车牌识别中遇到的各种情况,进行模拟。比如对字母进行模糊处理,模拟实际生活中车牌的污点情况;对字母进行倾斜处理,模拟实际生活中遇到的车牌倾斜情况;对字母进行遮挡,模拟实际生活中车牌的遮挡情况。加入的噪声情况可以远大于或者远小于实际情况,然后测试各种情况下,离散Hopfield网络的识别效果。这样可以更好地测试网络性能。实验结果表明:离散Hopfield网络对英文字母具有较好的识别效果。

基于连续型Hopfield人工神经网络的CAPP系统中工序内各表面加工顺序的排序

工序内各表面加工顺序的排序是CAPP系统的重要组成部分,将工序内各表面排序问题映射到连续型Hop-field网络上,把影响排序的工艺信息转化成零件表面的特征量化值,构造了网络的能量函数,并给出了网络的动态方程。通过对网络的迭代运算最后得到工序内各表面的加工顺序。

连续型模糊Hopfield网络(CFHNN)稳定性研究

将模糊逻辑和神经网络相结合 ,提出了连续型模糊Hopfield人工神经网络 (CFHNN) ,给出了它的网络结构和形式化描述 。

基于连续型Hopfield神经网络的油料资源输送优化

针对战时一个或多个油料供应点到多个油料需求点油料输送问题,运用连续型Hopfield神经网络,建立了以运输时间、路程和运输安全性为主要因素的输送模型,对模型进行了求解。最后以野战油库为用油部(分)队提供油料保障为例,探讨了油料资源最优运输路线,得到了最优油料资源运输路径。为战时油料保障组织实施提供了科学定量的分析方法。

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。

随机时滞Hopfield神经网络分步θ方法的一般衰减率稳定性

旨在研究随机时滞Hopfield神经网络分步θ方法的一般衰减率稳定性。当θ∈[0,1/2)时,在步长受限的条件下,随机时滞Hopfield神经网络分步θ方法是一般衰减率稳定的。对于θ∈[1/2,1],不需要额外的步长要求,即可保证随机时滞Hopfield神经网络分步θ方法的一般衰减率稳定性。最后,通过一个数值例子验证所得结果的有效性。

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。

概反周期函数及其在一类Hopfield神经网络上的应用

探讨一类具有混合时滞的中立型Hopfield神经网络的概反周期解的存在性与稳定性。首先,讨论了概周期函数与概反周期函数之间的关系,证明了全体概反周期函数构成的集合,是概周期函数空间的一个闭子空间。最后,利用不动点原理得到Hopfield神经网络存在一个唯一的有界解,而且该解函数还是概反周期函数。概反周期函数是比概周期函数更精细的函数,对神经网络概反周期解的存在性与唯一性的探讨,相较于对概周期解的存在性以及唯一性的探讨,能够更加精确地描述神经网络的动力学性质,所得结论是新颖的,是现有结论的进一步完善与补充。

连续型Hopfield神经网络求解设备布置问题

主要利用连续型Hopfield人工神经网络进行了设备布置问题的优化求解计算 .讨论了连续型Hopfield人工神经网络的模型 ,以及求解设备布置问题的一般方法 .仿真结果表明 ,利用连续型Hopfield人工神经元网络进行设备布置优化计算 ,求解质量稳定、速度快 ,有较好的应用前景 .

浅析连续型Hopfield神经网络

根据连续型Hopfield神经网络的结构,分析能量函数的性质,通过公式推导出能量函数单调递减且有界,从而确定该网络的稳定性,为应用连续型Hopfield神经网络求解实际问题提供相应的理论依据。

一类连续型Hopfield神经网络全局指数稳定的新判据

在连接权矩阵未必对称也未必是M-矩阵的情况下,本文给出了一类连续型Hopfield神经网络全局指数稳定的新判据,所得结果比所引文献中的结论更优,更实用。

孔群零件三坐标路径规划研究——基于连续型Hopfield神经网络算法

为提高孔群零件的接触式三坐标测量机(CMM)的测量效率,笔者提出了基于连续型Hopfield神经网络算法的三坐标测量路径规划。根据孔群零件特征与孔群的全局路径规划模型,建立了连续型Hopfield神经网络算法模型,将孔群全局路径优化问题转化为能量函数问题,实现了孔群路径优化。通过CMM对某汽车刹车盘上的孔群进行自动测量的实例表明,该算法具有并行计算、高效搜寻等优点,解决了存在组合爆炸现象的组合优化问题,快速、准确地优化了孔群全局路径,具有较好的实际应用价值。

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。

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．

连续时间Hopfield网络模型数值实现分析

讨论使用Euler方法和梯形方法在数值求解连续时间的Hopfield网络模型时,离散时间步长的选择和迭代停止条件问题.利用凸函数的定义研究了能量函数下降的条件,根据凸函数的性质分析它的共轭函数减去二次函数之差仍为凸函数的条件.分析连续时间Hopfield网络模型的收敛性证明,提出了一个广义的连续时间Hopfield网络模型.对于常用的Euler方法和梯形方法数值求数值实现连续时间Hopfield网络,讨论了离散时间步长的选择.由于梯形方法为隐式方法,分析了它的迭代求算法的停止条件.根据连续时间Hopfield网络的特点,提出改进的迭代算法,并对其进行了分析.数值实验的结果表明,较大的离散时间步长不仅加速了数值实现,而且有利于提高优化性能.