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.

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。

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。

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。

一类具多比例时滞Hopfield神经网络的稳定性

讨论了一类具多比例时滞Hopfield神经网络的稳定性,通过构造合适的Lyapunov泛函,得到了神经网络全局渐近稳定、全局多项式稳定和全局指数稳定的充分条件。最后,给出相应的数值例子,验证了结论的正确性。

基于Hopfield神经网络的线性系统参数辨识方案及在鼠笼式电机传动系统参数辨识中的应用研究

将基于Hopfield神经网络的线性系统参数辨识方案[1,2 ] 作了扩展 ,得出了在辨识神经网络输入为经传感器检测延迟的系统状态变量的情况下 ,其辨识输出趋于正确的充分条件。通过在鼠笼式电机传动系统参数辨识中应用的仿真结果 ,验证了该辨识方案的正确性。

忆阻突触耦合Hopfield神经网络的初值敏感动力学

该文报道了3神经元Hopfield神经网络(HNN)在电磁感应电流作用下的初值敏感动力学。利用非理想忆阻突触,模拟由两个相邻神经元膜电位之差引起的电磁感应电流,构建了一种简单的4维忆阻Hopfield神经网络模型。借助理论分析和数值仿真,分析了不同忆阻突触耦合强度下的复杂动力学行为,揭示了与状态初值密切相关的特殊动力学行为。最后,设计了该忆阻HNN的模拟等效实现电路,并由PSIM电路仿真验证了MATLAB数值仿真的正确性。

基于阈值自适应忆阻器Hopfield神经网络的关联规则挖掘算法

针对基于Hopfield神经网络的最大频繁项集挖掘(HNNMFI)算法存在的挖掘结果不准确的问题,提出基于电流阈值自适应忆阻器(TEAM)模型的Hopfield神经网络的改进关联规则挖掘算法。首先,使用TEAM模型设计实现突触,利用阈值忆阻器的忆阻值随方波电压连续变化的能力来设定和更新突触权值,自适应关联规则挖掘算法的输入。其次,改进原算法的能量函数以对齐标准能量函数,并用忆阻值表示权值,放大权值和偏置。最后,设计由最大频繁项集生成关联规则的算法。使用10组大小在30以内的随机事务集进行1 000次仿真实验,实验结果表明,与HNNMFI算法相比,所提算法在关联挖掘结果准确率上提高33.9个百分点以上,说明忆阻器能够有效提高Hopfield神经网络在关联规则挖掘中的结果准确率。

Hopfield神经网络的改进

提出一个改进的Hopfield神经网络模型,其连接矩阵的对角元T_n=1,同时根据大量的计算机模拟实验并从神经网络的系统能量出发,计算和分析T_n=1及T_n=0两种Hopfield神经网络的各存储样本所处能量状态的分布情况,及其与各存储样本的稳定性和纠错能力的关系,指出改步的Hopfield神经网络其容量和纠错能力均比T_n=0的Hopfield神经网络强。

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 .

Hopfield神经网络的防空火力最优分配问题

火力的最优分配是作战计划的重要内容,它包含火力单位特性、目标单位特性、最优准则、射击条件四个方面的内容。简要介绍了Hopfield神经网络的基础知识,建立了防空自动化指挥系统中火力分配的Hopfield神经网络算法一般模型,在此基础上,阐述了利用该算法在火力分配中的一般应用,并通过在计算机上借助C语言编程实现了这一模型,得出了一种比较合理可行的火力分配方案。

贪心算法结合Hopfield神经网络优化配电变电站规划

提出了一种城市电网规划中变电站规划优化的新算法。该算法先用贪心算法(greedy algorithm)快速求解新建变电站的座数及各变电站的容量,再利用Hopfield神经网络校核新建变电站的位置和各变电站的供电范围,最后确定各变电站的真实容量。在求解过程中,该方法考虑了已有变电站的改造问题。从全局最优的原则出发,可求得具有实际价值的最优或近似最优解。该方法在求解变电站供电范围时无需对数据进行归一化处理,且易于编程。该方法可为变电站规划提供一种新的思路。

基于因子分析的Hopfield神经网络在水质评价的应用

针对Hopfield神经网络的过度拟合问题,在因子分析的基础上,结合Hopfield神经网络模型提出了因子分析—Hopfield神经网络模型。以东辽河为例,采用因子分析法确定7个水质评价因子,再建立5×7的Hopfield神经网络进行水质综合评价,并与单一的Hopfield网络和传统的内梅罗指数法的结果进行了比较。结果表明,因子分析—Hopfield神经网络明显优于单一的Hopfield神经网络,不仅在一定程度上弥补了因子分析在实际应用中没有实现水质分级的缺陷,而且有效地降低了Hopfield神经网络的过度拟和的程度,评价结果更为科学合理,为水质综合评价提供了一种新的方法,具有极好的应用前景。

基于Hopfield神经网络的作业车间生产调度方法

该文提出了基于 Hopfield神经网络的作业车间生产调度的新方法 .文中给出了作业车间生产调度问题 ( JSP)的约束条件及其换位矩阵表示 ,提出了新的包括所有约束条件的计算能量函数表达式 ,得到相应的作业车间调度问题的 Hopfield神经网络结构与权值解析表达式 ,并提出相应的 Hopfield神经网络作业车间调度方法 .为了避免 Hopfield神经网络容易收敛到局部极小 ,从而产生非法调度解的缺点 ,将模拟退火算法应用于 Hopfield神经网络求解 ,使 Hopfield神经网络收敛到计算能量函数的最小值 0 ,从而保证神经网络输出是一个可行调度方案 .该文改进了已有文献中提出的作业调度问题的 Hopfield神经网络方法 ,与已有算法相比 。

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.

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.

应用Hopfield神经网络抑制高频地波雷达中短波通信干扰

首先分析混频输入级高频地波雷达中短波通信干扰的特征,借鉴用基于LMS算法的自适应滤波方法抑制短波通信干扰的处理思想,通过构建基于Hopfield神经网络的自适应滤波器来抑制短波通信干扰。通过仿真比较这两种自适应滤波器的处理效果,验证了用基于Hopfield神经网络的自适应滤波来抑制短波通信干扰方案是可行的。

求解线性不定方程组所展现的BP与Hopfield类型神经网络的学习同质性研究

主要针对求解线性不定方程组的两种并行计算神经网络模型(BP和Hopfield类型神经网络)进行了探讨。BP神经网络和Hopfield类型神经网络尽管在起源、网络定义、拓扑结构和学习模式上有较大的不同,但这两类人工神经网络在相同学习率条件下求解线性不定方程组中却可以表现出相同的数学公式、学习本质和计算能力,即学习同质性。此外,分别在零初值、相同但非零初值和不同随机初值三种情况下,针对两类人工神经网络求解线性不定方程组体现出来的学习同质性进行了计算机仿真验证,并证实了两类神经网络算法的有效性。