基于参数自适应CNN的灰度图像边缘检测

边缘是图像的重要特征。在应用细胞神经网络提取图像边缘时,网络的稳定性和参数的选择是关键。文中推导了细胞神经网络的稳定条件,并提出了网络参数的自适应设计思路。基于Matlab7.0平台,通过编写仿真程序,检测灰度图像边缘,得到良好效果。实验证明,该法还能有效抑制噪声的干扰。     

噪声环境中时滞双向联想记忆神经网络指数稳定

任何系统实际上都是在噪声环境中进行工作的.对处在噪声强度已知的噪声环境下双向联想记忆(BAM)神经网络,其平衡点具有指数渐近稳定性是网络进行异联想记忆的基础.构造一个适当的Lyapunov函数,应用It^o公式、M矩阵等工具讨论了在噪声环境下具有时滞的BAM神经网络概率1指数渐近稳定,得到了指数稳定的代数判据和两个推论,此判据只需验证仅由网络参数构成的矩阵是M矩阵即可,给网络设计带来方便.本文所得结果包括相关文献中确定性结果作为特例.     

Hopfield神经网络在字符识别中的应用

文章介绍了离散Hopfield神经网络的基本概念及其原理,以Matlab为工具,根据Hopfield神经网络的相关知识,设计了一个具有联想记忆功能的离散型Hopfield神经网络。首先提取照片的像素值,通过对照片的灰度处理,得到灰度像素矩阵。由于对单个字符进行识别的效果比多个字符整体识别的效果好,故对不同的字符进行分割,然后运用OSTU算法求得最佳阈值,通过数据替换得到该字符的二值矩阵。用原图片的二值矩阵作为训练样本,生成Hopfield神经网络。然后分别在不同噪声强度的情况下,以噪声图像的二值矩阵作为测试样本,观察网络的输出效果,并计算出相应的识别率。通过测试发现,噪声强度在较小范围0.1左右时,该网络可达到很好的识别效果,此时识别率接近1;随着噪声强度的增大,识别效果变差;当噪声强度达到0.4时,该网络已无法进行识别。     

基于BP网络的字母识别

介绍了用BP神经网络方法对英文字母进行识别,并在识别过程中考虑了噪声干扰及非线性因素的存在,使网络具有一定的容错能力,并用MATLAB完成了对字母识别的模拟.     

基于自适应噪声添加的防御对抗样本的算法

深度神经网络容易受到对抗样本的攻击。为了解决这个问题,一些工作通过向图像中添加高斯噪声来训练网络,从而提高网络防御对抗样本的能力,但是该方法在添加噪声时并没有考虑到神经网络对图像中不同区域的敏感性是不同的。针对这一问题,提出了梯度指导噪声添加的对抗训练算法。该算法在训练网络时,根据图像中不同区域的敏感性向其添加自适应噪声,在敏感性较大的区域上添加较大的噪声抑制网络对图像变化的敏感程度,在敏感性较小的区域上添加较小的噪声提高其分类精度。在Cifar-10数据集上与现有算法进行比较,实验结果表明,该方法有效地提高了神经网络在分类对抗样本时的准确率。     

对含噪声数据的一种鲁棒学习算法

1．引言对一个难于建立数学模型的复杂控制对象,以神经网络和模糊控制为代表的智能控制方法比传统控制方法具有很大的优越性．然而,在一个实际控制系统中,输入神经网络的外界测量和传输数据不可避免地受到或大或小的噪声干扰（如测量误差,元件的热噪声、电噪声,电磁干扰,甚至人为的过失误差等）,给神经网络的学习带来困难．例如传统的BP算法,当输入一输出数据样本受到噪声干扰时,会导致网络输出曲线（面）朝着受到噪声污染的样本曲线（面）靠近,而得不到真实的曲线（面）;同时,受到噪声污染的样本曲线（面）在某些局部常常变得…     

神经网络在通信抗干扰中的应用

在通信时,接收到的信号会受到噪声和干扰的影响。在带噪声和干扰的接收信号中如何分辨信号是哪一种或者有没有所需的信号并非易事,特别是当噪声分布是任意时。文章对神经网络技术在通信抗干扰中的可能应用做了介绍,意在探索一种新的抗干扰技术。     

一种面向噪声环境中旋转机械故障诊断的多模态耦合输入神经网络

旋转机械设备是工业生产中的关键性设备,对其进行高效故障诊断,对于保障工业安全生产具有重要意义.传统的旋转机械设备智能故障诊断方法采取人工特征提取策略,存在依赖专家经验知识、特征泛化性差、特征完备性不足等局限性,导致故障诊断模型精度差,特别是在噪声环境下性能下降明显.对此,提出一种用于旋转机械故障诊断的多模态耦合输入神经网络模型.首先,利用信号分解方法将原始输入信号分解为多个子信号,并将子信号与原始信号成对组成二维矩阵并输入到神经网络中,使得网络能够提取其间重要的相关特征;然后,利用双通道并行的卷积神经网络和长短期记忆网络分别提取信号中的时空间特征并融合,大大提高网络模型的特征表达完备性,实现对旋转机械设备的高精度故障分类.通过实验验证了所提出模型相较于传统故障模型具有更高的准确率,并且对于噪声干扰也有较好的适应性.     

CNN超混沌同步保密通信系统的研究

常规的混沌同步保密通信系统一般是在理想状态下进行研究的,但实际上,混沌信号不可避免地受到各种噪声的干扰,这将直接影响保密通信的效果.将高斯白噪声加入到由细胞神经网络构造的超混沌同步保密通信信号系统,提出通过选择反馈矩阵的方法可将噪声的影响降至最低.且将已用混沌系统多个状态变量加密后的信号与连续信号进行相加和相乘,增加了传输信号的复杂性,提升了通信系统的安全性.     

基于深度学习LDAMP网络的量子状态估计

设计出一种基于学习去噪的近似消息传递(Learned denoising-based approximate message passing, LDAMP)的深度学习网络,将其应用于量子状态的估计.该网络将去噪卷积神经网络与基于去噪的近似消息传递算法相结合,利用量子系统输出的测量值作为网络输入,通过设计出的带有去噪卷积神经网络的LDAMP网络重构出原始密度矩阵,从大量的训练样本中提取各种不同类型密度矩阵的结构特征,来实现对量子本征态、叠加态以及混合态的估计.在对4个量子位的量子态估计的具体实例中,分别在无和有测量噪声干扰情况下,对基于LDAMP网络的量子态估计进行了仿真实验性能研究,并与基于压缩感知的交替方向乘子法和三维块匹配近似消息传递等算法进行估计性能对比研究.数值仿真实验结果表明,所设计的LDAMP网络可以在较少的测量的采样率下,同时完成对4种量子态的更高精度估计.     

多时滞Hopfield神经网络的鲁棒稳定性分析及吸引域的估计

The robust stability of a class of Hopfield neural networks with multiple delays and parameter perturbations is analyzed. The sufficient conditions for the global robust stability of equilibrium point are given by way of constructing a suitable Lyapunov functional. The conditions take the form of linear matrix inequality (LMI), so they are computable and verifiable efficiently. Furthermore, all the results are obtained without assuming the differentiability and monotonicity of activation functions. From the viewpoint of system analysis, our results provide sufficient conditions for the global robust stability in a manner that they specify the size of perturbation that Hopfield neural networks can endure when the structure of the network is given. On the other hand, from the viewpoint of system synthesis, our results can answer how to choose the parameters of neural networks to endure a given perturbation.     

Discrete-time delayed standard neural network model and its application

The research on the theory and application of artificial neural networks has achieved a great success over the past two decades. Recently, increasing attention has been paid to recurrent neural networks, which are rich in dynamics, highly parallelizable, and easily implementable with VLSI. Due to these attractive features, RNNs have widely been applied to system identification, control, optimization and associative memories[1]. Stability analysis, which is critical to any applications of R…     

时滞切换不确定神经网络系统的指数稳定性

本文研究了具有无穷时滞切换不确定细胞神经网络(UCNNs)系统任意切换下的指数稳定性.利用同胚映射和M-矩阵理论,得到UCNNs系统平衡点存在性,唯一性和指数稳定性的充分条件;利用Lyapunov泛函方法,研究了时滞切换UCNNs系统任意切换下的鲁棒指数稳定性,并得到确保系统全局指数稳定的充分条件.     

Stability Analysis of Stochastic Fuzzy Cellular Neural Networks With Time-Varying Delays and Reaction-Diffusion Terms

In this paper, a class of stochastic fuzzy cellular neural networks with time-varying delays and reaction-diffusion terms is investigated. By using Lyapunov–Krasovskii functional and stochastic analysis approaches, new and less conservative delay-derivative-dependent stability criteria are presented to guarantee the neural networks to be globally exponentially stable in the mean square for all admissible stochastic perturbations. Numerical simulations are carried out to illustrate the main results.     

输入向量控制细胞神经网络全局指数稳定

利用输入向量来控制细胞神经网络的稳定性.所得结果表明,当输入向量的绝对值大于某个仅仅只与细胞神经网络的物理参数有关的值时,不附加其它任何条件,细胞神经网络是全局指数稳定的.也讨论了输入向量的部分分量的绝对值大于某个仅仅只与细胞神经网络的物理参数有关的值时,细胞神经网络的全局指数稳定性,所得结论推广和改进了某些已有文献的相应结果.     

细胞神经网络平衡点稳定性分析

采用分割状态空间为若干个子区域的方法,对细胞神经网络平衡点的稳定性进行分析.视平衡点在子区域边界上的情况,分别检验一个或多个相应区域内系统的矩阵的Hurwitz性,得到了仅依赖网络自身元素的充分性条件.该结果容易检验,便于网络设计.     

Anti-periodic oscillations in fuzzy cellular neural networks with time-varying delays

This article mainly studies delayed fuzzy cellular neural networks. A sufficient criterion to guarantee the existence and exponential stability of anti-periodic solutions for this system is given. An example is given to support the obtained theoretical analysis. The obtained results play an important role in designing the neural networks and complement the earlier publications.     

Existence and global exponential stability of periodic solutions of recurrent cellular neural networks with impulses and delays

By using the continuation theorem of coincidence degree theory and constructing suitable Lyapunov functions, we study the existence, uniqueness and global exponential stability of periodic solutions for recurrent neural networks with impulsive perturbations and delays. Further, by using numerical simulation method, the influences of the impulsive perturbations on the inherent oscillations are investigated.     

基于LMI方法的时滞细胞神经网络稳定性分析

神经网络是一个复杂的大规模非线性系统，而时滞神经网络的动态行为更为丰富和复杂．现有的研究时滞神经网络稳定性的方法中最为流行的是Lyapunov方法．它把稳定性问题变为某些适当地定义在系统轨迹上的泛函，通过这些泛函相应的稳定性条件就可以获得．该文得到了时滞细胞神经网络渐近稳定性的一些充分条件．作者利用了泛函微分方程的Lyapunov—Krasovskii稳定性理论和线性矩阵不等式(LMI)方法，精炼和推广了一些已有的结果．它们比目前文献报道的结果更少保守．该文还给出了确定时滞细胞神经网络稳定性更多的判定准则．     

Almost sure exponential stability of neutral stochastic delayed cellular neural networks

In this paper, almost sure exponential stability of neutral delayed cellular neural networks which are in the noised environment is studied by decomposing the state space to sub-regions in view of the saturation linearity of output functions of neurons of the cellular neural networks. Some algebraic criteria are obtained and easily verified. Some examples are given to illustrate the correctness of the results obtained.