运输问题的神经网络解法

给出了利用Hopfield连续模型求解运输问题的数值算法,是对运筹学知识的补充和完善,是借助人工神经网络计算机原理解决组合优化问题的一个成功范例。     

时滞反应扩散Hopfield神经网络的滑动模控制

研究了一类具有S--分布时滞和反应扩散项的Hopfield神经网络的滑动模控制问题. 首先改进了一类Hanalay不等式, 给出了一种范数不等式. 然后通过等效控制方法建立了系统的滑动模态方程, 并利用不等式技巧分析了它的吸引集的存在性和零点的指数稳定性. 在此基础上设计了变结构控制器, 给出了运动轨线到达滑动模态区的时间估计. 最后给出了一个例子验证了本文的结果, 并利用MATLAB作出了仿真.     

Delay-dependent robust asymptotic state estimation of Takagi-Sugeno fuzzy Hopfield neural networks with mixed interval time-varying delays

This paper investigates delay-dependent robust asymptotic state estimation of fuzzy neural networks with mixed interval time-varying delay. In this paper, the Takagi-Sugeno (T-S) fuzzy model representation is extended to the robust state estimation of Hopfield neural networks with mixed interval time-varying delays. The main purpose is to estimate the neuron states, through available output measurements such that for all admissible time delays, the dynamics of the estimation error is globally asymptotically stable. Based on the Lyapunov-Krasovskii functional which contains a triple-integral term, delay-dependent robust state estimation for such T-S fuzzy Hopfield neural networks can be achieved by solving a linear matrix inequality (LMI), which can be easily facilitated by using some standard numerical packages. The unknown gain matrix is determined by solving a delay-dependent LMI. Finally two numerical examples are provided to demonstrate the effectiveness of the proposed method.     

基于离散Hopfield网络的混沌图像加密算法

混沌图像加密算法在进行图像像素值置乱时,大多采用像素值整体处理的方式,因此难以抵抗已知明文攻击。针对该情况,提出一种基于离散Hopfield网络的高维混沌图像加密算法。使用R?ssler三维混沌序列中的两维动态调整所有像素每个比特位的置乱权值及阈值,实现图像像素值置乱,剩下的一维用于图像像素位置置乱,由此提高破译难度。实验结果表明,该算法可抵抗差分攻击和统计分析,鲁棒性较强。     

基于神经元网络的选择型问卷识别技术

在问卷调查数据自动识别和统计过程中,由于纸张的折叠、弯曲、变形及受污染等原因引起的数据误判时有发生,考虑到手工统计的繁杂性,开发一种自动、高效的智能处理系统具有相当大的实用价值。提出应用神经网络对调查问卷扫描图像进行识别处理的方法,建立基于MATLAB的Hopfield网络识别模型,并详细讨论了图像预处理、特征提取及Hopfield网络训练与识别这三个重要环节。针对建立好的识别模型,系统仿真情况下,符号识别率达到100%;在实际操作过程中,当训练样本数充足,样本来源可靠的情况下,识别率高达96%,基本实现预期效果。     

Hopfield网络的全局指数稳定性

在研究Hopfield神经网络时通常都假设输出响应函数是光滑的增函数.但实际应用中遇到的大多数函数都是非光滑函数.因此,本文将通常论文中Hopfield神经网络的输出响应函数连续可微的假设削弱为满足L ipschitz条件.通过引入Lyapunov函数的方法,证明了Hopfield神经网络全局指数收敛的一个充分性定理.并且由此定理获得该类网络全局指数稳定的几个判据.这定理与判据是近期相应文献主要结果的极大改进.     

基于Hopfield神经网络的盲检测数字水印

提出了一种基于Hopfield神经网络的盲检测数字水印算法。基于噪声可见函数实现了水印的自适应嵌入，利用Hopfield神经网络记忆宿主图像以及原始水印信息。在水印检测时，通过神经网络从嵌入水印的图像中联想出宿主图像和水印嵌入信息，再利用嵌水印图像和联想出的宿主图像提取出水印，实现了水印的盲检测。     

NAROAS: a neural network-based advanced operator support system for the assessment of systems reliability

We have developed and implemented a computerized reliability monitoring system for nuclear power plant applications, based on a neural network. The developed computer program is a new tool related to operator decision support systems, in case of component failures, for the determination of test and maintenance policies during normal operation or to follow an incident sequence in a nuclear power plant. The NAROAS (Neural Network Advanced Reliability Advisory System) computer system has been developed as a modularized integrated system in a C++ Builder environment, using a Hopfield neural network instead of fault trees, to follow and control the different system configurations, for interventions as quickly as possible at the plant. The observed results are comparable and similar to those of other computer system results. As shown, the application of this neural network contributes to the state of the art of risk monitoring systems by turning it easier to perform online reliability calculations in the context of probabilistic safety assessments of nuclear power plants.     

离散时间Hopfield网络的动力系统分析

离散时间的Hopfield网络模型是一个非线性动力系统．对网络的状态变量引入新的能量函数，利用凸函数次梯度性质可以得到网络状态能量单调减少的条件．对于神经元的连接权值且激活函数单调非减(不一定严格单调增加)的Hopfield网络，若神经元激活函数的增益大于权值矩阵的最小特征值，则全并行时渐进收敛；而当网络串行时，只要网络中每个神经元激活函数的增益与该神经元的自反馈连接权值的和大于零即可．同时，若神经元激活函数单调，网络连接权值对称，利用凸函数次梯度的性质，证明了离散时间的Hopfield网络模型全并行时收敛到周期不大于2的极限环．     

广义插值多小波及其反馈神经网络构造

①给出了广义插值的概念，讨论了广义插值特性和正交性、紧支性、对称性之间的关系，建立了多尺度函数具有广义插值正交和广义插值对称的充要条件，结果表明它极大地克服了目前多小波取样定理研究领域存在的不足——基于插值特性的取样拒绝了众多性质优美的小波，也拒绝了信号处理愿望的对称性．②给出了满足给定优美性质的多小波的高效构造方法——Hopfidd反馈型神经网络法，与目前广为使用的利用Singular软件求Grobner基方法相比，该方法不仅极大地减少了时间复杂度，而且可以获得十分令人满意的结果．