DECISION OF OPTIMAL HOPFIELD NEURAL NETWORK MODEL OF COMBINATIONAL CIRCUITS

By use of Hopfield model and basis solution of homogeneous linear equations which are established in accordance with consistent state, a practical decision method for the existence of optimal Hopfield model of combinational circuits is provided. Finally, an example is given.

A Hopfield Neural Network Algorithm for Automatic Name Placement for Point Feature

This paper presents a method of adding label to the map especially for the point feature. This method overcomes the shortcoming of traditional methods, e.g. Conflict\|Backtracking method. Its kernel algorithm use the hopfield neural network to find the best label position for point feature. The experimental results proves that this algorithm has good permanence and high speed.

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 .

基于连续Hopfield网络求解TSP的新方法

当连续Hopfield网络及其能量函数同时具有自反馈或不具有自反馈时,称之为一致连续Hopfield网络．在分析了一致连续Hopfield网络能量稳定性的基础上,进一步研究了当网络有自反馈,而其能量函数无自反馈的情况下,网络能量变化的性质,分别给出了使能量函数上升、下降和不变的条件．利用这一理论,可以克服由于梯度下降法所导致的网络能量函数总是下降,从而使网络陷入局部极小值或不可行解的现象．最后在这个理论的基础上我们给出了一种新的求解TSP(traveling salesman problem)的方法,仿真研究表明此方法对于求解TSP问题是很有效的．

不同演化模式的离散Hopfield网络的稳定性研究

神经网络的稳定性被认为是神经网络应用的基础。研究了非对称离散Hopfield神经网络的异步、同步、部分同步演化方式的稳定性 ,证明得到对于已知稳定的网络 ,如果经其连接权矩阵一定的增量 ,得到一个新的连接权矩阵 ,则在一定条件下可保证所得新的网络仍是稳定的。所获结果不仅推广了已有的结论 ,而且为离散Hopfield神经网络稳定性的稳健性能分析和应用提供了理论基础。

基于Hopfield神经网络算法的雷达干扰资源分配

为了使有限的雷达干扰资源发挥最佳的干扰效果,基于干扰效益最大准则建立了雷达干扰资源优化分配模型。提出了基于Hopfield神经网络算法的干扰资源优化分配方法,利用该方法能够在可行的解空间中找出满足能量函数和约束条件的全局最优分配方案。并与干扰资源蚁群优化分配算法进行了比较,理论推导与仿真实验表明该方法的可行性与有效性,且比蚁群分配算法具有更快的收敛速度和更好的健壮性。

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。

Hopfield网络在视差空间上的立体匹配求解

由于边界区域的匹配精度是立体匹配问题的瓶颈,这里采用一种基于特征的匹配算法来重点研究场景中边界区域的匹配.首先针对立体匹配问题,提出一种基于RBF的边界提取算法,使得边界区域成为待匹配的像素点.研究像素点匹配需要满足的约束,构建相应的能量方程,接着采用Hopfield网络对能量函数进行优化来获得问题的求解.由于针对的是整个边界区域,直接将特征点输入网络会导致神经元数目过多、复杂度过高.为了降低算法复杂度,提出从视差空间上来构造网络模型.最后通过大量实验来验证算法的性能,包括标准图片、噪声图片与真实的场景图片.实验证明新算法能大大提高边界区域精度,克服了立体匹配的瓶颈,明显提高了整体区域精度,算法有很强的鲁棒性和实用性,即使在复杂情况下也能取得较好的效果.

有转运运输问题的Hopfield神经网络优化方法

Hopfield神经网络是一种递归神经网络,可以用于联想记忆和优化,运输问题是一类特殊的线性规划问题,结合Hopfield神经网络优化功能和有转运运输问题的特点,并根据运输问题的实际情况,将约束边界模糊化,设计针对有转运运输问题的连续Hopfield神经网络电路。借用神经网络中能量函数的概念和含义确定网络电路的参数并证明系统的稳定性。将优化有转运运输问题转换成求解网络系统的平衡点,即吸引子。在优化过程中,为了防止网络收敛到局部极值,采用模拟退火算法,使网络能够达到全局最小值,不仅优化速度快、实时性强,也给其它线性、非线性规划问题的优化提供了一个新的途径。并通过计算机仿真研究验证了系统的有效性、可行性。

经济负荷分配的Hopfield神经网络计算

介绍了Hopfield神经网络(HNN)原理及其在机组经济负荷分配(EconomicLoadDispatch,ELD)中的应用。首先将ELD问题映射到Hopfield神经网络模型,然后利用HNN的动力特性搜索最优分配。仿真结果与分段结构优化方法和模拟退火(SimulatedAnnealing,SA)方法进行比较,表明HNN方法能找到近乎全局最优解,可有效地解决经济负荷分配问题。且易于在计算机上实现,有实际应用价值。

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。

基于连续Hopfield型神经网络的QAM信号盲检测

该文利用连续Hopfield网络本身特点,提出基于连续复Hopfield网络的多值方形/非方形QAM信号的直接盲检测方法。首先完成多值信号盲检测的优化问题构造和能量函数的映射,设计了一个适用于该问题的激活函数。然后给出能量函数的设计与分析、盲检测信号权矩阵的配置方法及其神经元数目选择的一般规律。最后通过对方形QAM和非方形QAM信号的仿真现象展示和分析,验证了所提方法的有效性和鲁棒性。

一种Hopfield神经网络能量函数改进下的作业车间调度

由于作业车间调度问题的目标函数目前还无法用换位矩阵的元素以数学公式的形式表示,无法保证求出全局最优解。首先对换位矩阵表示方法进行了改进,给出新的带有目标函数的能量函数表达式,然后提出改进的Hopfield神经网络作业车间调度方法,并将模拟退火应用于Hopfield神经网络求解,避免了陷入局部极值。仿真结果表明,该方法具有全局搜索能力,并能够保证神经网络的稳态输出为全局最优或近似全局最优。

离散Hopfield网络的稳定性

神经网络的稳定性是神经网络应用的基础。主要研究离散 Hopfield神经网络的稳定性 ,所获结果推广了已有的结论 。

Hopfield网络求解TSP两种改进算法的仿真研究

针对Hopfield神经网络在求解旅行商问题(TSP)时出现的无效解和局部极小值问题,分析和比较两种改进的求解方法,首先从理论上证明算法的有效性,然后对两种算法分别进行计算机仿真,探讨网络收敛于全局有效解的途径。研究表明,改进的算法都可避免无效解,在求解10城市问题时可获得近乎100%的最优解。

一种作业车间调度问题的Hopfield神经网络优化方法

结合Hopfield神经网络结构和作业车间调度问题(JSSP)的约束特点,给出了适合于Hopfield神经网络求解的作业车间调度问题的矩阵表达数学模型。借用神经网络中能量函数的概念和含义确定网络的连接权,并将模拟退火算法应用于Hopfield神经网络求解,避免了系统输出陷入局部极值。将优化作业车间调度方案问题转换成求解网络系统的平衡点,即吸引子,该网络不仅能输出可行最优解,且优化速度快、实时性强。并通过计算机仿真表明了该方法的有效性。

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。

一种基于遗传Hopfield神经网络求解TSP问题的算法

针对Hopfield网络求解TSP问题时出现无效解和收敛性能差的问题,对约束条件能量函数进行改进,构造了一种求解TSP问题的遗传Hopfield神经网络算法,并与经典Hopfield神经网络求解TSP方法进行对比。实验结果表明,本文算法具有更好的整体求解性能。

组合电路最优Hopfield模型的判定

采用组合电路Hopfield模型,通过相容状态建立的齐次线性方程组的基础解系,提出了组合电路最优Hopfield模型存在性的实用判定方法,并给出了计算实例。

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。