基于一类新型激活函数的递归神经网络的多稳定性分析

本研究基于一类新型连续锯齿型激活函数研究了递归神经网络(Hopfield神经网络)的多稳定性。首先,通过区间剖分法、Brouwer不动点定理证明了基于该激活函数的n维神经网络模型至少具有7n个平衡点,并运用对角占优矩阵理论、局部稳定性判定定理等方法证明了其中4n个平衡点是局部指数稳定的,剩余的平衡点是不稳定的。其次,通过增加锯齿型激活函数的峰值点将激活函数推广到更一般的情况,得到了n维神经网络在含有k个峰值点的连续锯齿型激活函数中至少具有(2k+1)n个平衡点,其中(k+1)n个平衡点为局部稳定的。本研究设计的激活函数相较于现有的一些激活函数会产生更多的稳定平衡点,并且在增加峰值点的过程中不会增加神经网络的计算复杂度。最后,通过两个具体的数值算例验证了本研究结果的有效性。

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。

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。

连续Hopfield神经网络零担物流运输路径优化研究

当一批货物的重量或容积不满一辆货车,且可与其它几批甚至上百批货物共用一辆货车装运时,叫零担货物运输。使用连续Hopfield神经网络(CHNN)可以优化卸载路径,将运费最低作为目标函数转换成连续Hopfield神经网络的能量函数,把表示路径的换位矩阵作为变量,通过迭代计算,当网络的神经元状态趋于平衡点时,网络的能量函数也趋于最小值,此时输出的换位矩阵表示的路径即为优化后的卸载路径。

Hopfield型连续神经网络的全局指数稳定性

本文利用Lyapunov函数方法研究了连续Hopfield型神经网络的指数稳定性问题 ,得到了平衡点的全局指数稳定性的两个新的充分条件 。

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。

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 .

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。

时滞Hopfield神经网络模型的全局吸引性和全局指数稳定性

对具有时滞的Hopfield神经网络模型 ,在非线性神经元激励函数是Lipschitz连续 (而非已有的大部分文献中假设是Sigmoid函数 )的条件下 ,通过构造适当的泛函 ,给出了这类模型全局吸引和平衡点全局指数稳定的易于验证的充分条件·

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。

具时滞连续Hopfield神经网络稳定性分析

本文分析了具时滞的连续Hopfield神经网络在权阵对称条件下的稳定性。得到了在参数的不同取值范围内平衡点的不同稳定性态。这个结果优于文献[5，6]的结果。

Hopfield神经网络研究进展

神经网络的研究已成为许多科学工作者的热门研究课题 ,Hopfield神经网络的研究已取得了丰富的成果 ,本文较全面地介绍这个方面国内外的研究近况 .

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。

基于改进Hopfield神经网络的自适应二维噪声对消器

提出了基于连续型Hopfield神经网络(CHNN)的自适应二维噪声对消器,讨论了神经网络的结构和原理及相应的自适应滤波算法,并从理论上进行了论证。仿真结果表明相对于采用最小均方算法的二维线性噪声对消器,CHNN噪声对消器能更有效实现二维噪声的消除,保持原信号的完整性,获得较好的去噪声效果。

基于Hopfield神经网络的谐波电流提取方法

针对电网中谐波电流的特点及要求,提出了一种基于连续型Hopfied神经网络的谐波电流检测算法,并建立了相应的模型.通过分析发现该方法具有较高的准确性和较快的响应速度,以及良好的动态跟踪特性,同时也指出了该模型的不足,并提出了相关建议.

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。

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。

一种新的Kohonen神经网络结构优化方法

Kohonen神经网络的网络体系结构对训练学习方法的收敛性有很大的影响,提出了一种基于连续Hopfield网络的结构优化设计方法,利用动态方法对结构进行优化。最后,通过仿真实验表明了该方法是简单有效的,与EBP、RBF和s VM等方法相比,此方法可在较短时间内给出高质量分类结果,该算法高效可靠,有较强的工程实用性。