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。

基于改进Paik型Hopfield网络的图像复原

针对图像复原提出了一种改进的Paik型Hopfield网络神经元状态变化规则,在此基础上详细讨论了全并行算法的收敛性、残值误差和能量变化,并依据"由粗至精"的思想和相邻精度层能量变化差估计提出了一种改进迭代算法.仿真实验表明该方法能无限逼近能量极小点,大大提高了Paik型Hopfield网络的精度和收敛速度.

WDM双环网上Hopfield网的波长分配

基于WDM双环网,讨论了在其上实现Hopfield通信模式的波长分配问题,提出了一种路由策略及波长分配方案。在此基础上给出了实现Hopfield算法所需的波长数。

神经网络与遗传算法在优化设计中的结合运用

讨论在优化设计中利用Hopfield网络的简单、快速、规范的优点和并行遗传算法的全局搜索能力进行网络参数选取的优点相接合运用的方法,来优化样本空间,经过仿真实验计算验证,解决实际问题,取得较好的整体优化效果。