基于模拟退火与遗传算法结合的神经网络图像分割

为解决运用Hopfield神经网络优化算法处理图像分割存在的收敛速度与局部最优的矛盾,采用模拟退火策略与遗传算法结合的优化方法来改进传统的优化算法,对迭代收敛后的Hopfield网络在局部范围内运用模拟退火遗传算法,以搜索阈值平面全局最优解,进行图像分割。实验证明,采用此方法可以得到较好的分割效果。     

隶属DHNN水质评价模型探析

基于动力学分析设计反馈神经网络Hopfield其离散型的优化算法,通过矩阵分解的方法(MD)得到其正交矩阵,优化算法即可直接计算Hopfield离散型神经网络的权值矩阵,并将样本信息可以较好地存储训练,使测试样本快速收敛到稳定点。相较于传统方法涉及的奇异值分解学习算法不需要分块分步计算,简化了计算步骤和计算量,迭代次数减少,运行速度提高。最后,将训练好的优化算法应用于研究流域生态演变趋势的分析,验证了其应用前景和推广价值。     

虚波长通道全光网一种选路方法

提出了一种基于Hopfield神经网络新的路由算法, 它可以实现路由选择和波长分配的全局优化.用该方案进行路由选择所得到的最小波长数对业务模式具有相对稳定性, 而且减少了所用波长数目.     

Li-Hopfield神经网络用于汉字字符识别

提出了一种Li-Hopfield网络,解决了Hopfield神经网络能量函数存在积分项、振荡收敛、计算复杂等问题,并继承了Hopfield网络的结构与Li网络的优点.同时发现基于部首拆分的汉字字符识别可以忽视甚至利用该网络的虚假稳定点,从而使样本存储量降为传统Hopfileld网络的1.44%,表明该算法有效且快速.     

基于L-M算法的正交Stewart平台位姿正解的初值补偿

针对牛顿拉夫逊迭代法求解正交Stewart六自由度平台位姿正解对迭代初值依赖的问题,提出基于Levenberg-Marquardt(L-M)算法改进的BP神经网络模型,进而实现对Stewart平台位姿正解的迭代初值补偿值计算,并与基于BFGS拟牛顿算法、SCG量化共轭梯度算法、GDA梯度下降自适应算法所建立的BP神经网络模型进行对比分析,重点分析模型的适应性、预测输出、误差性能等。结果表明:采用提出的基于L-M算法改进的BP神经网络模型对正交Stewart六自由度平台位姿正解的迭代初值校正后,收敛速度有显著提升,初始值校正误差低于0.1%,校正结果满足预期要求。     

HNN的并行稳定性

本文证明了在权矩阵(记忆矩阵)W 非负定的条件下,Hopfield 神经网络(HNN)具有并行稳定性,并且证明了由 Hebb 学习算法得到的权矩阵具有非负定性.进而利用计算机对 Hopfield 神经网络进行了模拟,发现对用近似正交的训练样本由 Hebb 学习算法得到的权矩阵 W,其相应的 Hopfield 神经网络对被噪声干扰或不完全样本差不多经过一二次并行处理就可以稳定(收敛)到原样本.     

基于免疫量子算法的多用户检测技术研究

基于免疫算法和新的遗传量子算法,在码分多址通信系统中提出了一种解决多用户检测问题的进化计算方法--免疫量子算法(IQA).在IQA中,随机Hopfield神经网络被用于制作疫苗去提高IQA的收敛速度.另外,IQA为随机Hopfield神经网络提供良好的初始解会提高制作疫苗的性能,进一步改善每一代中量子种群中的适应度.通过在DS-CDMA系统进行Monte Carlo仿真,IQA算法的有效性和可行性被证实.仿真结果表明所提的IQA检测器的误码率性能优于其他的次优检测器,接近于最优检测器的理论下限.     

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.     

OFDMA系统中的子载波和功率联合TCNN优化

提出了一种自适应的多用户正交频分多址(OFDMA)系统中的资源优化算法. 算法包括2步:首先在功率平均分配的前提下采用暂态混沌神经网络(TCNN)进行子载波分配. 然后对平均分配的功率利用线性注水算法进行重新分配. 仿真结果表明,TCNN在收敛速度和最优化率方面都比Hopfield神经网络和混沌神经网络有明显的改善. 与传统的资源分配算法比较,所提出的算法能更加充分地挖掘多用户分集增益,进一步提高了系统总的吞吐量.     

应用神经网络粒子群算法的多用户检测

为了减少最优多有户检测器的计算复杂度,提出了一种融合粒子群优化算法和神经网络的神经网络粒子群优化算法,并设计了一种解决CDMA通信系统的多用户检测问题的新方法。该方法是把神经网络嵌入到粒子群优化算法的每一代中以改进算法性能。通过混合神经网络到PSO中,还可以加快PSO的收敛速度,减少计算复杂度。仿真结果证明了所设计的检测器无论抗多址干扰能力和抗远近效应能力都优于应用Hopfield神经网络、遗传算法和粒子群算法的多用户检测器。     

一种新的通信网络动态路由算法

针对通信网络中的路由问题,提出了一种虚令牌动态路由算法,并用Ｈｏｐｆｉｅｄｌ神经网络实现该算法。该Ｈｏｐｆｉｅｌｄ神经网络,其神经元之间的连接强度固定不变,通信网络的物理逻路值和呼叫请求被反映到神经元的偏置电流中,地用硬件实现。同时,当通信网络中的业务量发生变化时,算法能够自动调整最短路径与负载均衡之间的关系,计算机仿真结果表明,该算法能接入更多的网络连接。     

基于神经网络的最短路算法及其应用

提出一种基于递归神经网络的最短路算法,降低了神经元之间的连接复杂度,能稳定收敛到准最优解。并将其应用于基于流量的动态分布式路由。仿真表明,该处上敛稳定。     

基于连续型Hopfield神经网络的路由选择算法

提出了一种基于连续型Ｈｏｐｆｉｅｌｄ神经网络（ＣＨＮＮ）的路由选择算法,并与传统的数值解法中的流量微分（ＦＤ）法、梯度投影（ＧＰ）法作了比较,其中还对ＦＤ算法作了改进,采用固定步长,提高了运算效率。ＣＨＮＮ法的优点是,其解不受初值的影响,总可得到全局最优解,通过模拟实验证明,该算法非常有效。     

Dynamic pricing by hopfield neural network

The increase in the number of shopbots users in e-commerce has triggered flexibility of sellers in their pricing strategies. Sellers see the importance of automated price setting which provides efficient services to a large number of buyers who are using shopbots. This paper studies the characteristic of decreasing energy with time in a continuous model of a Hopfield neural network that is the decreasing of errors in the network with respect to time. The characteristic shows that it is possible to use Hopfield neural network to get the main factor of dynamic pricing; the least variable cost, from production function principles. The least variable cost is obtained by reducing or increasing the input combination factors, and then making the comparison of the network output with the desired output, where the difference between the network output and desired output will be decreasing in the same manner as in the Hopfield neural network energy. Hopfield neural network will simplify the rapid change of prices in e-commerce during transaction that depends on the demand quantity for demand sensitive model of pricing.     

基于Hopfield实现ATM网络路由选择的双重路由算法

研究神经网络用于ＡＴＭ网络路由调度问题,通过引入等效带宽的概念,以降低呼损率和提高网络利用率为优化目标,提出双重路由算法。根据不同的网络状态,采用不同基于Ｈｏｐｆｉｅｌｄ的路由方法。提出的算法不但逻辑控制及硬件实现较为简单,而且仿真结果表明,在各种呼叫分布及网络拓扑情况下,均有效降低呼员率和提高网络和利用率。很好优化 了系统性能。     

Hopfield神经网络在文本水印中的应用研究

该文利用Hopfield网络的联想记忆功能,提出一种基于Hopfield神经网络的文本可恢复水印算法。该算法通过同义词替换嵌入水印,用可替换同义词的位置信息和水印信息完成Hopfield神经网络对原始文本特征信息和水印信息的记忆训练。仿真实验表明,该算法具有良好的隐蔽性和鲁棒性,不仅能够恢复由水印的嵌入造成的原始文本的改变,而且能够恢复由对文本内容的部分攻击造成的水印文本的改变。     

基于RSVP的一种QoS智能路由算法

定义了路径的带宽碎片函数和网络效益两个优化函数,并根据业务连接的时延、带宽特性,将其分为窄带连接和宽带连接两类.提出一种基于Hopfield神经网络的公平接入QoS路由算法,此算法具有并行性、实时性和鲁棒性,并用性能仿真结果表明本算法的公平性和有效性.     

ATM网络中路由选择的神经网络方法

探讨了ＡＴＭ网络中的路由问题,并针对ＶＰ网络的拓扑结构,讨论了采用Ｈｏｐｆｉｅｌｄ神经网络的ＶＣ路由选择算法。给出了神经网络能量函数的表示方法及神经元的状态方程。实验表明,本算法能根据网络的业务情况及用户提出的ＶＣＣ请求,实时,有效地实现了ＶＣ路由选择。