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网络应用实例分析

分析离散型Hopfield神经网络在模式识别中应用以及连续型Hopfield网络在求解TSP问题中的应用，并给出仿真实例。总结了Hopfield网络在实际应用中的一般方法。     

一类非对称Hopfield神经网络稳定性的敏感性研究

对一类非对称Hopfield神经网络在联接矩阵为非对称的前提下对矩阵特征值所在范围作了更精细的刻画；在有电容（C）扰动下利用矩阵特征理论给出了网络渐近稳定性的条件。     

基于局部进化的Hopfield神经网络的优化计算方法

提出一种基于局部进化的Hopfield神经网络优化计算方法，该方法将遗传算法和Hopfield神经网络结合在一起，克服了Hopfield神经网络易收敛到局部最优值的缺点，以及遗传算法收敛速度慢的缺点。该方法首先由Hopfield神经网络进行状态方程的迭代计算降低网络能量，收敛后的Hopfield神经网络在局部范围内进行遗传算法寻优，以跳出可能的局部最优值陷阱，再由Hopfield神经网络进一步迭代优化。这种局部进化的Hopfield神经网络优化计算方法尤其适合于大规模的优化问题，对图像分割问题和规模较大的200城市旅行商问题的优化计算结果表明，其全局收敛率和收敛速度明显提高。     

延迟离散Hopfield网络的动态特征分析

神经网络的稳定性被认为是神经网络各种应用的基础．主要利用网络的状态转移方程和能量函数来研究带有延迟项的离散Hopfield神经网络动力学行为．给出了延迟离散Hopfield神经网络收敛于周期小于等于2的极限环的一些充分条件．给出了延迟网络收敛于周期为2和4的特殊极限环的一些充分条件．同时，得到了网络不存在任何稳定点的一些必要条件．所获结果不仅推广了一些已有的结论，而且为网络的应用提供了一定的理论基础．     

Hopfield神经网络稳定性的敏感性研究

本文时一类非对称Hopfield神经网络在联接矩阵为非对称的前提下时矩阵特征值所在范围作了更精细的刻画：在有电阻(R)扰动下利用矩阵特征值理论给出了网络渐近稳定性的条件。     

几类动态反馈神经网络的稳定性分析

稳定性分析是动态反馈神经网络的重要研究内容 ,对于网络的设计和应用具有指导作用。本文针对几类典型的动态反馈神经网络模型 ,包括离散网络、非对称网络和时延网络 ,利用 L yapunov方法得到了网络的稳定条件     

离散时间反馈神经网络的渐近行为研究

Hopfield神经网络是一类应用非常成功的人工神经网络模型，它是研究这个反馈神经网络的基础．该文主要研究离散时间、连续状态的反馈神经网络，它是Hopfield神经网络的推广．众所周知，研究反馈神经网络的稳定性不仅被认为是神经网络最基本、最主要的问题之一，同时也是神经网络各种应用的基础．文中主要研究离散时间反馈神经网络的稳定性，给出了连接权矩阵非对称的并且输入-输出函数是一般的S-函数的新的渐近收敛性条件及相应的收敛性结论．所获结果不仅推广了一些已有的结论，而且为反馈神经网络的应用提供了一定的理论基础．     

延迟离散Hopfield神经网络的异步动态行为

利用网络的状态转移方程和能量函数来研究带有延迟项的离散Hopficld神经网络动力学行为，给出了非对称的延迟离散Hopfield神经网络异步收敛的几个充分条件。所获结果不仅推广了一些已有的结论，而且为网络的应用提供了一定的理论基础。     

对处于混沌状态的神经网络的控制

本文针对一种具有高阶、非对称和稀疏联结的Hopfield型神经网络,利用控制混沌的著名方法--OGY方法,对处于混沌状态的网络进行控制,使网络的状态稳定在其演化方程的不稳定平衡点附近.     

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。     

利用离散Hopfield网络的码本设计方法

论文提出了一种利用Hopfield网络的码本设计方法,分析了LBG算法和离散Hopfield网络的特点,针对该特点构造聚类表格,并按离散Hopfield神经网络串行方式运行,从而得到最终码字集。通过实验表明,在码本大小相同的情况下,峰值信噪比提高了2.742～3.825 dB,生成的码本质量较传统的LBG算法更加有效。     

基于Hopfield神经网络的图像矢量量化

矢量量化是图像压缩的重要方法。论文提出了基于Hopfield神经网络的图像矢量量化方法,该方法首先构造聚类表格;然后聚类表格按离散Hopfield神经网络串行方式运行;最后根据得到的最终码字集,对图像进行矢量量化。论文最后给出模拟实验和结果比较,结果表明该方法是有效的,生成的码本质量优于传统的LBG算法。     

Exponential stability and oscillation of Hopfield graded responseneural network

Both exponential and stochastic stabilities of the Hopfield neural network are analyzed. The results are especially useful for analyzing the stabilities of asymmetric neural networks. A constraint on the connection matrix has been found under which the neural network has a unique and exponentially stable equilibrium. Given any connection matrix, this constraint can be satisfied through the adjustment of the gains of the amplifiers and the resistances in the neural net circuit. A one-to-one and smooth map between input currents and the equilibria of the neural network can be set up. The above results can be applied to the master/slave net to prove that the master net can find the best connection matrix for the slave net. For the neural network disturbed by some noise, the stochastic stability of the network is also analyzed. A special asymmetric neural network formed by a closed chain of formal neurons is also studied for its stability and oscillation. Both stable and oscillatory dynamics are obtained in the closed chain network through the adjustment of the gains and resistances of the amplifiers.     

连续神经网络在高频率离散问题求解中的应用

应用连续神经网络来解高频率离散问题，并采用最佳机票超额预定作为具体应用实例。在对上述问题的求解过程中，根据机票超额预定的规章制度和Hopfield连续神经网络理论建立数学模型，利用BP算法和模糊推理系统计算了Hopfield网格各节点之间的联系。这一应用对神经网络参与优化问题求解有较为重要的意义。     

A reference model approach to stability analysis of neural networks

In this paper, a novel methodology called a reference model approach to stability analysis of neural networks is proposed. The core of the new approach is to study a neural network model with reference to other related models, so that different modeling approaches can be combinatively used and powerfully cross-fertilized. Focused on two representative neural network modeling approaches (the neuron state modeling approach and the local field modeling approach), we establish a rigorous theoretical basis on the feasibility and efficiency of the reference model approach. The new approach has been used to develop a series of new, generic stability theories for various neural network models. These results have been applied to several typical neural network systems including the Hopfield-type neural networks, the recurrent back-propagation neural networks, the BSB-type neural networks, the bound-constraints optimization neural networks, and the cellular neural networks. The results obtained unify, sharpen or generalize most of the existing stability assertions, and illustrate the feasibility and power of the new method.     

A delayed neural network for solving linear projection equations and its analysis

In this paper, we present a delayed neural network approach to solve linear projection equations. The Lyapunov-Krasovskii theory for functional differential equations and the linear matrix inequality (LMI) approach are employed to analyze the global asymptotic stability and global exponential stability of the delayed neural network. Compared with the existing linear projection neural network, theoretical results and illustrative examples show that the delayed neural network can effectively solve a class of linear projection equations and some quadratic programming problems.     

Development of GAN-based optimal neural network structure for group synchronization

Multimedia Tools and Applications - In this paper, a GAN-based optimal neural network structure for group synchronization is proposed. For generating a key between two parties, asymmetric...     

输出非对称死区的非严格反馈非线性系统控制

本文研究了具有输出非对称死区和状态含未知控制方向的非严格反馈非线性系统, 设计了稳定的自适应 神经网络控制器. 首先, 针对输出非对称死区的问题, 本文采用死区逆的方法, 构造光滑模型逼近原死区模型. 其 次, 在控制器设计过程中, 基于障碍Lyapunov函数的构造, 动态面控制和反步法, 设计出自适应控制信号, 虚拟控制 信号和实际控制信号. 通过稳定性分析, 证明所设计的神经网络控制器可以保证闭环系统内所有信号是半全局一致 最终有界. 最后, 通过MATLAB数值仿真, 说明所设计控制器的有效性.