Novel stability criteria for fuzzy Hopfield neural networks based on an improved homogeneous matrix polynomials technique

The global stability problem of Takagi-Sugeno（T-S） fuzzy Hopfield neural networks（FHNNs） with time delays is investigated.Novel LMI-based stability criteria are obtained by using Lyapunov functional theory to guarantee the asymptotic stability of the FHNNs with less conservatism.Firstly,using both Finsler＇s lemma and an improved homogeneous matrix polynomial technique,and applying an affine parameter-dependent Lyapunov-Krasovskii functional,we obtain the convergent LMI-based stability criteria.Algebraic properties of the fuzzy membership functions in the unit simplex are considered in the process of stability analysis via the homogeneous matrix polynomials technique.Secondly,to further reduce the conservatism,a new right-hand-side slack variables introducing technique is also proposed in terms of LMIs,which is suitable to the homogeneous matrix polynomials setting.Finally,two illustrative examples are given to show the efficiency of the proposed approaches.

带阈值的Min-max模糊Hopfield网络的稳定性与容错性分析

本文讨论了带阈值的Min-max模糊Hopfield网络的性质，并研究了该网络的一致稳定性与平衡态的Lyapunov稳定性。给出了一个模糊模式成为该网络吸引子的等价条件。然后在一定的条件下，得到了这个网络吸引子的一个非退化的吸引域，从而我们所建立的模糊神经网络模型具有较强的容错性。最后的例子证实了这一点。

Min-max模糊Hopfield网络的一个基于容错性的学习算法

在一定的条件下证明了Min－max模糊Hopfield网络吸引子的吸引域随着连接权矩阵的减小而增大，在此基础上，设计了一个基于容错性的学习算法。在一定的意义下，用该学习算法得到的矩阵最小，从而此时系统具有最优容错性。最后用实例验证了结论。

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。

Max—Product型模糊Hopfield网络稳定性及其聚类方法研究

本文将模糊逻辑和神经网络相结合 ,提出了 Max- Product型 Hopfield人工神经网络 ( Fuzzy HN) ,给出了它的网络结构和形式化描述 ,证明了该 Fuzzy HN的稳定性 ,最后通过理论和数值实验对基于 Max- Product型 Hopfield网络的动态聚类过程和有关性质进行了研究 .

使用模糊竞争Hopfield网络进行图像分割

针对传统自组织竞争学习方法的不足 ,将模糊竞争学习引入竞争 Hopfield网络中 ,由此设计了一个用于图像分割的模糊竞争 Hopfield网络 ,通过将图像空间映射到灰度特征空间 ,实现灰度特征集的模糊聚类 ,进而实现图像分割 .实验结果表明 :对于二值分割 ,与 Ostu方法相比 ,此算法在分割效果和对噪声的自适应能力方面具有明显的优点 .对于多类分割 ,此算法比目前的 FCM( fuzzy C mean)

模糊Hopfield神经网络及其模糊聚类功能(英文)

首先提出了具有模糊逻辑计算功能的模糊Hopfield神经网络—FHN .FHN中的神经元对应于模式集合的元素 .权重矩阵对应于模式之间的模糊关系 .最后讨论了FHN的稳定性和基于模糊距离关系的模糊聚类功能 。

模糊PID和Hopfield神经网络在矿井通风系统中的应用

针对传统的PID控制或者单一的模糊控制无法准确控制矿井通风系统风量的问题,提出了一种采用模糊PID调节器和Hopfield神经网络调节器对矿井通风机的转速、风门、风量进行控制的方法。该方法利用模糊控制器对PID参数进行实时修正,并结合Hopfield神经网络的联想记忆功能和反馈调节特性,实现矿井通风机风量的快速、稳定输出。仿真与实验结果表明,模糊PID调节器和Hopfield神经网络调节器可以准确控制矿井通风机的转速和风量,实现通风系统的稳定输出。

模糊Hopfield网络及其模糊聚类功能研究

本文提出了一种能进行模糊逻辑计算的Ｈｏｐｆｉｌｅｄ型人工神经元网络（ＦｕｚｙＨＮ），ＦｕｚｚｙＨＮ的神经元对应模式集合中的元素，模式间的模糊相似关系作为联结神经元的权值矩阵被存储在ＦｕｚｚｙＨＮ中。本文对ＦｕｚｙＨＮ的稳定性及模糊聚类功能进行研究，获得了良好的理论分析结果和实验研究结果。本文的研究表明。

基于一类弱连续T-模的模糊Hopfield神经网络研究

基于一般的弱连续T-模与取大（V）模糊算子的复合，建立了具有一般意义的动态模糊神经网络——模糊Hopfield神经网络，并系统分析了该动态系统的性能：在Hamming距离意义下证明了该网络是稳定的，而且其平衡点（吸引子）具有全局Lyapunov稳定性。最后，提供了一种有效的学习算法。

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 。

模糊Hopfield网络的收敛性与鲁棒性分析

收敛性与鲁棒性是模糊神经网络的两个重要性质。对带阈值的Max-T模糊Hopfield神经网络(记为Max-T-C FHNN)的收敛性及在训练模式小幅摄动情况下的鲁棒性进行了分析,从理论上给出了严格的证明。发现了采用最大权值矩阵学习算法时,Max-T-C FHNN具有良好的收敛性,同时当T模及其蕴含算子满足Lipschitz条件时,Max-T-C FHNN对训练模式摄动全局拥有好的鲁棒性,用自联想实验验证了理论的有效性。

基于Godelt-模的模糊Hopfield网络的有效学习算法

神经网络研究的关键问题之一是为神经网络提出有效学习算法。利用t-模的伴随蕴涵算子,为基于Max和TG合成的Hopfield网络Max-TGFHNN提供了一种新的学习算法,此处TG是Godelt-模算子。从理论上严格证明了,只要存在连接权矩阵使得任意给定的模式集成为Max-TGFHNN的平衡态集合,则依该学习算法所确定的连接权矩阵(W$)是所有这样的连接权矩阵中的最大者。并用实验验证该学习算法的有效性。

一种基于无源性理论的模糊Hopfield神经网络学习律设计方法

本文研究了一类模糊Hopfield神经网络系统的稳定性问题.首先,基于无源性理论,设计了一种新的权重学习律,并通过构造的模糊Lyapunov函数证明了系统从输入到输出是无源的.在此基础上,证明了系统在该学习律下是输入到状态稳定的.相比于传统的公共Lypaunov函数,本文所提的模糊Lyapunov函数能保证系统具有更好的性能.最后,通过数值仿真验证了所提方法的有效性.

新广义模糊Hopfield神经网络的稳定性研究(Ⅱ)

新广义模糊Hopfield神经网络 (NFHNN)在具有物理意义的背景下更具普遍意义的模型一致稳定性和吸引子的Lyapunov稳定性研究 ,并且给出了一个模糊式是该网络吸引子的充要条件。

新定义模糊Hopfield神经网络的稳定性研究(Ⅰ)

提出了一类新定义的模糊Hopfield神经网络 (NFHNN)。在此基础上 ,对该网络一致稳定性和吸引子的Lyapunov稳定性进行了研究 。

基于LMI的模糊Hopfield神经网络周期解的指数稳定性分析

本文研究了一类带有分布时滞模糊Hopfield神经网络的稳定性,采用线性矩阵不等式和Lyapunov-Krasovskill函数方法,获得了关于其周期解存在性、唯一性和指数稳定性的充分条件。最后给出实例说明了该方法的有效性。

一类具有时滞的不确定模糊Hopfield神经网络的指数稳定性(英文)

通过构造Lyapunov泛函及线性矩阵不等式(LMI)理论,给出了一类具有时滞的不确定Takagi-Sugeno(T-S)型模糊Hopfield神经网络的指数稳定判定准则。构造的Lyapunov泛函具有广泛性且引入具有自由加权矩阵的参数模型变换,这些方法使得文中所得稳定性条件更具一般性。最后,借助于MATLAB中的LMI工具箱给出了一个具体的数值例子来验证文中的结果。

基于离散Hopfield神经网络的化学实验室安全评估

针对高校化学实验室安全风险难以量化评估的问题,采用一种基于离散Hopfield神经网络(discrete Hopfield neural network,DHNN)的化学实验室安全评估方法.首先,利用层次分析法建立化学实验室安全状况多指标评估体系;然后,使用模糊综合评价法对评估指标进行量化,对评估指标编码;最后,使用学习率对DHNN进行优化,将该方法与传统评估方法进行对比,结果表明该方法能够实现对样本的准确评估.将该方法应用于高校危险化学品实验室安全评估过程中,仿真实验结果表明该方法构建的指标体系合理可行且评估精度较高.

模糊HopField神经网络聚类及在DRP中的应用

探讨了模糊Hopfield神经网络的聚类功能及其阈值的灵敏度和上下确界。提出了一种基于该聚类理论的企业销售客户资信聚类模型,通过二分法实现自动搜索各个阈值确界的逼近值,并应用于一大型粮食业集团的DRP系统中的资信评估,采用ASP.NET+MSSQLServer2000的B/S构架实现,为该集团的销售客户资信等级分类提供了科学方法,其聚类结果的合理性得到了集团应用的验证。