受扰Hopfield神经网络L2增益稳定性分析

运用研究控制系统有限增益稳定的方法，讨论受扰Hopfield神经网络关于扰动的增益L2稳定，所给条件不但保证受扰网络L2增益稳定，且总能保证网络未受扰时唯一平衡点的存在性和全局渐近稳定性，文中结论还包含从扰动到状态的L2增益估计，它们用网络有关参数明确表达。     

基于神经网络的图象序列特征点匹配

利用神经网络优化技术解决图象序列的特征点匹配问题，将特征点匹配归结为一个带约束的优化问题，并用2D Hopfield网络实现，在Hopfield网络的能量函数的设计中，综合考虑了特征点的预测结果、特征点的遮挡等情况，从而克服了现有的多数方法所存在的误匹配现象，对于特征点的跟踪，头3帧图象的正确匹配是十分关键的。本文提出了一种3D Hopfield网络用以解决头3帧图象的特征点匹配，并提出了一个运动平滑性的代价函数用以构造3D Hopfield网络的能量函数，实际图象序列的实验结果证明了本方法的有效性。     

神经网络原理及其能量函数的构造

本文简要论述神经网络概念、原理及发展史,探讨神经网络中有关能量函数的构造方法和技巧。     

一类非线性规划人工神经网络模型

以Hopfield连续模型为基础,本文提出了可用于求解具有多项式形式的目标函数、多项式形式的等式约束和多项式形式的不等式约束的非线性规划问题的人工神经网格模型。     

An FPGA implementation of a neural optimization of block truncation coding for image/video compression

This paper presents a Field Programmable Gate Array (FPGA) implementation for image/video compression using an improved block truncation coding (BTC) image compression technique. The improvement is achieved by employing a Hopfield neural network (HNN) to calculate a cost function upon which a block is classified as either a high- or a low-detail block. Accordingly, different blocks are coded with different bit rates and thus resulting in better compression ratios. The paper formulates the utilization of HNN within the BTC algorithm in such a way that a viable FPGA implementation is produced. The implementation exploits the inherent parallelism of the BTC/HNN algorithm to provide efficient algorithm-to-architecture mapping. The Xilinx VirtexE BTC implementation has shown to provide a processing speed of about 1.113 × 10⁶ of pixels per second with a compression ratio which varies between 1.25 and 2 bits/pixel, according to the image nature.     

基于NAS-RIF算法和神经网络的图像盲复原

在图像盲复原中,NAS-RIF算法在无噪情况下,能够得到较好的复原结果,但是对有观测噪声的图像复原效果不理想。而Hopfield神经网络有利于缓解图像复原过程中的震铃效应,但前提是知道退化图像的点扩展函数。将二者相结合提出一种基于NAS-RIF算法和神经网络的图像盲复原新算法,首先由NAS-RIF算法先估计出退化图像的点扩展函数,再利用Hopfield神经网络算法对其进行复原。实验结果表明,该算法具有较好的盲复原效果。     

基于离散Hopfield神经网络的文献检索智能识别

根据Hopfidd网络中神经元之间的相互连接具有丰富的动力学特性的特点，探究了Hopfield网络模型在文献检索中的运用，指出该网络存在的问题，并提出解决方案．     

基于ALR的Hopfield神经网络在高程拟合中的应用

运用具有正规化项的增广拉格朗日函数作为神经网络的能量函数，辅助二次曲面拟合，进一步探索Hopfield神经网络在高程拟合中的应用。实际算例表明，该方法可以大大提高神经网络的计算效率和可靠性。     

基于ATM交换结构的Hopfield神经网络调度算法

针对ATM交换结构，采用输入缓冲和每条入线在同一个时隙内可传送多于一个信元的策略，利用神经网络具有的实时性、高度并行处理能力和易于电路或光电技术实现等特点，提出了一种Hopfield神经网络调度算法。实验仿真比较表明，该方法不但大大提高了吞吐率，消除了队头阻塞造成的性能恶化，而且降低了信元丢失率和较大程度地降低了平均信元时延，提高了ATM交换结构的性能，实现了信元的优化调度。     

A shortest path routing algorithm using Hopfield neural network with an improved energy function

A shortest path routing algorithm using the Hopfield neural network with a modified Lyapunov function is proposed. The modified version of the Lyapunov energy function for an optimal routing problem is proposed for determining routing order for a source and multiple destinations. The proposed energy function mainly prevents the solution path from having loops and partitions. Experiments are performed on 3000 networks of up to 50 nodes with randomly selected link costs. The performance of the proposed algorithm is compared with several conventional algorithms including Ali and Kamoun's, Park and Choi's, and Ahn and Ramakrishna's algorithms in terms of the route optimality and convergence rate. The results show that the proposed algorithm outperforms conventional methods in all cases of experiments. The proposed algorithm particularly shows significant improvements on the route optimality and convergence rate over conventional algorithms when the size of the network approaches 50 nodes.