一类离散Hopfield网络的吸引特性研究

该文以n维超立方体为大规模局域模型的离散Hopfield网络（简称An网）为研究对象,深入讨论了这种网络的吸收特性,包括吸引子／吸引环的结构和吸引半径等,得出了具有相同结构的吸引子／吸引环具有相同的吸引特性和吸引半径,并给出了它们的吸引半径;进一步地,本文将上述讨论扩展到较为一般的离散Hopfield网络,讨论了它们的吸引子／吸引环与An网的吸引子／吸引环相同（或部分相同）的条件,以及相应的吸引子／吸引环的吸引半径,得出了迁移越大,保留An网吸引子／吸引环的数目越少,且吸引半径越小的结论。     

一类离散Hopfield网络吸引状态的特征分析

该文首先讨论了超立方体图所对应的连接矩阵的特征向量,进而深入系统地分析了以n维超立方体为大规模局域连接模型的离散Hopfield网络的吸引特性之一,稳定吸引状态的位置、数量及其分布。研究结果表明,网络连接权矩阵的特征向量及其拼接向量均为网络的吸引子或吸引环,且其在网络状态空间中具有均匀对称的分布格局。     

用神经网络求解Job－Shop类型调度问题

本文在Ｈｏｐｆｉｅｌｄ神经网络的基础上针对ＦＭＳ中Ｊｏｂ－ｓｈｏｐ类型调度问题，提出了线性Ｈｏｐｆｉｅｌｄ神经网络的表示方法，给出了网络的能量函数表示方法及神经元状态方程。理论上，证明了算法的收敛性及能量函数中系数与迭代步长的关系，软件模拟计算结果表明，所提出的方法是有效的且计算结果是满意的。     

用神经网络求解Job—Shop类型调度问题

本文在Ｈｏｐｆｉｅｌｄ神经网络的基础上针对ＦＭＳ中Ｊｏｂ－ｓｈｏｐ类型调度问题，提出了线性Ｈｏｐｆｉｅｌｄ神经网络的表示方法，给出了网络的能量函数表示方法及神经元状态方程，理论上，证明了算法的收敛性及能量函数中系数与迭代步长的关系，软件模拟计算结果表明，所提出的方法是有效的且计算结果是满意的。     

基于改进的Hopfield离散神经网络的模式识别

本文介绍基于改进的Ｈｏｐｆｉｅｌｄ离散神经网络（ＩＨＤＮ）的模式识别。当一个要求存贮在网络中的模式输入时，我们计算它与其它模式的类似测试，并把类似测试在网络综合中加以考虑。当输入任一矢量时，由于网络的联想能力，该矢量将进化到与它距离最近的一个存贮模式中。理论分析和实验仿真结果表明，ＩＨＤＮ比原Ｈｏｐｆｉｅｌｄ离散神经网络（ＨＤＮ）有更大的存贮容量和更强的联想能力。     

异步四元数神经网络模型的能量函数研究

本文证明了异步离散四元数神经网络模型在其动力学演化过程中，网络的能量函数单调递减，网络最终将稳定在一个平衡态上，存贮图像在能量函数空间中对应一能量极小点，为网络的稳定吸引子。     

异步四元数神经网络模型的能量函数研究

本文证明了异步离散四元数神经网络模型在其动力学演化过程中，网络的能量函数单调递减，网络最终将稳定在一个平衡态上，存贮图像在能量函数空间中对应一能量极小点，为网络的稳定吸引子。     

用Hopfield网络实现边缘模糊图象的二值化处理

本文在于Ｈｏｐｆｉｅｌｄ网络提出了一个实现边缘模糊图象二值化处理的方法，首先将图象二值化处理问题转化成优化问题，然后构造相应的Ｈｏｐｆｉｅｌｄ网络参数并用Ｈｏｐｆｉｅｌｄ网络实现这个优化问题的解，实验说明，该方法具有较高的精度，同时对较小图象，甚至一维信号亦具有好的效果。     

解框形约束最小二乘问题的神经网络

将Ｈｏｐｆｉｅｌｄ神经网络用于解最优化问题，给出了一个解框形约束小二乘问题的离散形神经网络，当这一网络达到其稳定状态，即其能量函数为最小时，由网络的输出可以获得问题的最优解。     

Hopfield连续联想记忆的吸引域和收敛速度研究

本文利用某些技巧和Ｌｙａｐｕｎｏｖ方法,得到了Ｈｏｐｆｉｅｌｄ连续联想记忆模式的吸收域及其中每一点趋向记忆模式的指数收敛速度的一些全新的估计结果。这些结果可用于评价Ｈｏｐｆｉｅｌｄ连续反馈联想记忆网络的容错能力,且可用于综合连续反馈联想记忆网络。     

延迟离散Hopfield网络的稳定性条件

主要利用状态转移方程和定义能量函数的方法对具有时延的离散Hopfield神经网络的动力学行为进行了研究,并且获得了若干稳定性结果.给出了延迟离散Hopfield神经网络收敛于周期为4的极限环的一个充分条件,获得了延迟网络有稳定状态的条件,并且得到了延迟网络既没有稳定状态也没有周期为2的极限环的条件.同时,这些结果用两个例子进行了验证.这些结果推广了一些已有的离散Hopfield神经网络的稳定性结果.     

Design of FIR linear phase filters with discrete coefficients usingHopfield neural networks

A novel method is presented for designing FIR linear phase filters with discrete coefficients using Hopfield neural networks. The proposed procedure is based on the minimisation of the energy function of the Hopfield neural network, and can produce a good solution to the design of FIR linear phase filters with discrete coefficients     

On the convergence properties of the Hopfield model

The main contribution of the present work is showing that the known convergence properties of the Hopfield model can be reduced to a very simple case, for which an elementary proof is provided. The convergence properties of the Hopfield model are dependent on the structure of the interconnections matrix W and the method by which the nodes are updated. Three cases are known: (1) convergence to a stable state when operating in a serial mode with symmetric W; (2) convergence to a cycle of length 2, at most, when operating in a fully parallel mode with symmetric W; and (3) convergence to a cycle of length 4 when operating in a fully parallel mode with antisymmetric W. The three known results are reviewed and it is proven that the fully parallel mode of operation is a special case of the serial model of operation. There are three more cases than can be considered using this characterization: serial mode of operation, antisymmetric W; serial mode of operation, arbitrary W; and fully parallel mode of operation, arbitrary W. By exhibiting exponential lower bounds on the length of the cycles in other cases, it is proven that the three known cases are the only interesting ones     

Solution of assigning binary indexes to codevectors by a kind of hopfield neural network

A method of assigning binary indexes to codevectors in vector quantization (VQ) system, which is called pseudo-Gray coding, is presented in this paper by constructing a kind of Hopfield neural network. Pseudo-Gray coding belongs to joint source/channel coding, which could provide a redundancy-free error protection scheme for VQ of analog signals when the binary indexes of signal codevectors are used as channel symbols on a discrete memoryless channel. Since pseudo-Gray coding is of combinatorial optimization problems which are NP-complete problems, globally optimal solutions are generally impossible. Thus, a kind of Hopfield neural network is used by constructing suitable energy function to get sub-optimal solutions. This kind of Hopfield neural network is easily modified to solve simplified version of pseudo-Gray coding for single-bit-error channel model. Simulating experimental results show that the method introduced here could offer good performances.     

离散Hopfield神经网络的PWM型脉冲流技术实现

研究了离散Hopfield神经网络的PWM(脉冲宽度调制)型脉冲流技术实现。利用MOS开关管和电压比较器实现了离散Hopfield神经网络，并提出了利用离散Hopfiled神经网络实现自联想记忆时相应的PWM型脉冲流电路。所提出的电路结构简单，易于芯片间通讯及系统扩展。     

Storage capacity of complex Hopfield model

The Dirac symbol is used to represent the discrete complex Hopfield neural network model.The signal-to-noise theory and the computer numerical solu-tion are made to analyse the storage capacity of the model.The storage capacity ra-tio of the model equals to that of the Hopfield model.Finally,using the model to recognize the 4-level grey or color patterns is discussed.     

基于神经网络密码的图像加密

利用离散Hopfrield神经网络生成的序列密码,对图像信号进行加密和解密的实验研究表明,该网络可模拟复杂非线性函数,使输出序列的周期性、0与1平衡性和序列相关性等均满足序列密码设计要求,而且并行运算速度快,有利于数字电路实现.     

Storage capacity of complex Hopfield model

ＳｔｏｒａｇｅｃａｐａｃｉｔｙｏｆｃｏｍｐｌｅｘＨｏｐｆｉｅｌｄｍｏｄｅｌＳＨＵＡＩＪＷ；ＣＨＥＷＺＸ；ＬＩＵＲＴ；ＷＵＢＸ（Ｄｅｐｔ．ｏｆＰｈｙｓｉｃｓ，ＸｉａｍｅｎＵｎｉｖｅｒｓｉｔｙ，Ｘｉａｍｅｎ３６１００５，ＣＨＮ）Ａｂｓｔｒａｃｔ：ＴｈｅＤ...     

一种神经网络多用户检测器

本文提出采用Ｈｏｐｆｉｅｌｄ神经网络实现ＣＤＭＡ多用户通信系统中多用户信号的检测。利用基于检测序列最大后验概率最佳多用户检测器的似然函数与Ｈｏｐｆｉｅｌｄ神经网络的能量函数的对应关系,构造一种离散Ｈｏｐｆｉｅｌｄ神经网络多用户检测器。研究表明,这种多用户检测器具有优良的性能,其计算复杂度低于最佳多用户检测器、抑制多址干扰和克服远近效应能力又大大优于传统检测器。