基于Hopfield－Tank模型的神经网络的变参数方法

本文分析了Ｈｏｐｆｉｅｌｄ－Ｔａｎｋ模型在收敛性，稳健性，优化率以及计算速度方面存在的问题，之后根据外部惩罚函数法的基本思想提出了一种新的方法基于Ｈｏｐｆｉｅｌｄ－Ｔａｎｋ模型的神经网络的变参方法．本文还对ＴＳＰ的能量函数进行了改进，并对我国３１个城市的ＴＳＰ进行了软件模拟，得出了１５６４０公里的最短路径，在收敛性，稳健性，优化率以及计算速度方面的结果都十分满意．     

Hopfield网络求解TSP的一种改进算法和理论证明

本文通过简化Ｈｏｐｆｉｌｅｄ神经网络求解问题的能量函数，提出了一种神经网络求解ＴＳＰ的改进算法，借助连接矩阵特征值的分析、从理论上证明了该算法保证获得ＴＳＰ有效解的原因。大量计算机模拟实验表明，该算法明显优于目前广泛应用的Ａｉｙｅｒ算法，具有收敛速度快、可避免无效解，易获得优化解等特点。     

基于Hopfield—Tank模型的神经网络的变参数方法

本文分析了Ｈｏｐｆｉｅｌ－Ｔａｎｋ模型在收敛性，稳健性，优化率以及计算速度方面存在的问题。之后根据外部惩罚函数的基本思想提出了一种新的方法基于Ｈｏｐｆｉｅｌｄ－Ｔａｎｋ模型的神经网络的变参方法。本文还对ＴＳＰ的能量函数进行了改进，并对我国３１个城市的ＴＳＰ进行了软件模拟，得出了１５６４０公里的最短路径，在收敛性，稳健性，优化率以及计算速度方面的结果都十分满意。     

基于Hopfield／Tank网络模型求解TSP的两种网络结构的一致性分析

本文从分析网络模型的连接矩阵的特征值和特征子空间这一统一的理论观点出发，对用两种能量函数构造出的两种网络模型在求解ＴＳＰ时所表现出的一致性进行了分析。同时给出参数则。     

用神经网络求解Job－Shop类型调度问题

本文在Ｈｏｐｆｉｅｌｄ神经网络的基础上针对ＦＭＳ中Ｊｏｂ－ｓｈｏｐ类型调度问题，提出了线性Ｈｏｐｆｉｅｌｄ神经网络的表示方法，给出了网络的能量函数表示方法及神经元状态方程。理论上，证明了算法的收敛性及能量函数中系数与迭代步长的关系，软件模拟计算结果表明，所提出的方法是有效的且计算结果是满意的。     

用神经网络求解Job—Shop类型调度问题

本文在Ｈｏｐｆｉｅｌｄ神经网络的基础上针对ＦＭＳ中Ｊｏｂ－ｓｈｏｐ类型调度问题，提出了线性Ｈｏｐｆｉｅｌｄ神经网络的表示方法，给出了网络的能量函数表示方法及神经元状态方程，理论上，证明了算法的收敛性及能量函数中系数与迭代步长的关系，软件模拟计算结果表明，所提出的方法是有效的且计算结果是满意的。     

Hopfield神经网络在B—ISDN路由选择中的应用

宽带综合业务数字网（Ｂ－ＩＳＤＮ）采用异步转移模式（ＡＴＭ）作为其传输技术,引入了虎通道（ＶＰ）和虚通路（ＶＣ）概念。本文针对Ｂ－ＩＳＤＮ中的ＶＰ路由问题,提出了一种基于Ｈｏｐｆｉｅｌｄ神经网络的ＶＰ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。计算机模拟结果表明,本算法能根据网络的物理结构和业务需求情况,快速、有效地实现ＶＰ路由选择,提高网络的生存性。     

Hopfield神经网络在B-ISDN路由选择中的应用

宽带综合业务数字网（Ｂ－ＩＳＤＮ）采用异步转移模式（ＡＴＭ）作为其传输技术,引入了虎通道（ＶＰ）和虚通路（ＶＣ）概念。本文针对Ｂ－ＩＳＤＮ中的ＶＰ路由问题,提出了一种基于Ｈｏｐｆｉｅｌｄ神经网络的ＶＰ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。计算机模拟结果表明,本算法能根据网络的物理结构和业务需求情况,快速、有效地实现ＶＰ路由选择,提高网络的生存性。     

一个多层VLSI/PCB布线通孔最小化的神经网络方法

本文提出了一个基于Ｈｏｐｆｉｅｌｄ网络的ＶＬＳＩ／ＰＣＢ多层布线中的有约束通孔最小化方法。在线段交叠图模型的基础上，提出了相邻矩阵，交叠矩阵，定层矩阵等概念，利用换位矩阵，将问题映射为相应的神经网络，并构造了该问题的能量函数，从而解决了多层布线的分层及通孔最小化问题，新算法还解决了多层布线分层的管脚约束和相邻约束问题。     

SDH自愈环的光缆布线问题

讨论了在规划同步数字体系自愈环过程中经常遇的光缆布线问题，提出了利用ＴＳＰ求解的改进算法，且这种算法尽量考虑了网络规划设计过程中可能出现的几种实际情况。     

反馈电压偏置型Hopfield 网络电域盲检测相干光通信信号

为解决无线分集相干光接收机的自适应盲检测问题,提出了一种新的离散时间连续状态的网络输出反馈偏置型的复Hopfield 神经网络用以解决多值QAM 信号的盲检测问题。反馈电压偏置的引入即不脱离传统Hopfield 模型,又能有效满足多值信号检测时所需的搜索空间变大的特殊要求。全文完成多值信号盲检测的优化问题构造和能量函数的映射,给出能量函数的证明、分析和它的约束条件,给出适用该问题的激活函数的基本特征,正确盲检测信号的权矩阵的配置方法。最后,通过详细的仿真结果展示和与其他算法性能对比进一步验证算法的有效性和优越性并指出算法所存在的问题和下一步的研究方向。     

多准则图象重建的神经网络模型及实现

本文提出一种采用Ｈｏｐｆｉｅｌｅ神经网络（Ｈｏｐｆｉｅｌｄ Ｎｅｉｒａｌ Ｎｅｔｗｏｒｋ简称ＨＮＮ）优化的图象重建算法。将图象重建问题转化为ＨＮＮ优化问题,取重建图象的峰值函数最小以及原始投影与再投影之间的误差平方和最小作为图象重建的优化目标,作为能量函数构造连续型ＨＮＮ模型,由ＨＮＮ能量函数极小化可得到重建问题的优化解。这种方法具有简单、计算量小、收敛快、便于并行计算等特点。对照ＡＲＴ算法,用计算机模拟产生的无噪声投影数据检验新算法,验证了新算法的优越性。     

航空雷达目标极化分集特征的实时提取与自动目标识别的ANN技术

本文首先利用Ｈｏｐｆｉｅｌｄ线性规划神经网络实现了一种极化椭圆匹配技术，从极化分集的雷达后向散射测量结果中提取了目标主散射体的全极化信息──极化分集特征；然后将实时获取的极化分集特征进行特征变换，进而直接利用基于欧氏测度的ＡＲＴ２神经网络进行自动目标识别．     

连续型神经网络解决信元调度问题的参数分析

本文利用连续型Hopfield神经网络实现信元调度问题,对采用的新的能量函数进行仿真模拟,通过对网络模型的参数特性进行研究分析,寻找最佳的取值范围,为Hopfield神经网络今后的研究和实际应用提供帮助。     

基于免疫算法的Hopfield神经网络多用户检测器

提出的基于免疫算法的Hopfield神经网络多用户检测器，将扰乱的Hopfield神经网络多用户检测器的输出作为免疫算法的初始种群，利用了免疫算法的全局收敛的特点，从而克服了Hopfield易收敛到局部能量最小点的缺点。理论分析和仿真结果表明：该检测器具有良好的抗多址干扰和抗远近效应的能力。     

FIR数字滤波器设计的复数神经网络方法

ＦＩＲ滤波器的设计是数字信号处理中的一个重要问题,神经网络则在优化设计方面显示了其良好的应用前景,但目前大多数应用均限于实数神经网络的情形．本文针对ＦＩＲ数字滤波器的设计问题,构造了具有复数状态、输出、联接权和偏置输入的Ｈｏｐｆｉａｌｄ网络,给出了网络的计算能量函数,并证明了算法的收敛性．通过近似线性相位、非共轭对称频响ＦＩＲ滤波器的设计实例表明,本文的工作对推广复数神经网络的应用与寻求更为复杂的ＦＩＲ滤波器设计的新方法均作了有效的尝试．     

复数离散Hopfield网络盲检测64QAM信号

针对复数多电平QAM信号的盲检测问题,该文提出了一个新的复数离散多电平Hopfield神经网络。该网络的实部、虚部各含一个多电平离散激励实函数。该文分析了经典两电平离散Hopfield神经网络能量函数的局限性,构造了一个新的复数多电平神经网的能量函数,并用此能量函数讨论了神经网的稳定性。当该神经网的权矩阵借助接收数据补投影算子构成时,该复数离散多电平Hopfield网络可有效地求解带整数约束的二次规划问题,从而实现QAM信号盲检测。仿真试验表明：该算法所需接收数据较短,就可到达全局真平衡点,计算难度大大降低,具有良好的快速性。     

一种基于神经网络的多层通孔最小化方法

在多层布线的线段－相交图模型基础上，利用Ｈｏｐｆｉｅｌｄ人工神经网络理论，通过反通孔数目这个优化目标与Ｈｏｐｆｉｅｌ网络能量函烽相联系的方法来解决多层布线通孔最小化问题。算法考虑了许多来自实际的约束。     

A compact dynamic channel assignment scheme based on Hopfield networks for cellular radio systems

In this paper, a new channel assignment strategy named compact dynamic channel assignment (CDCA) is proposed. The CDCA differs from other strategies by consistently keeping the system in the utmost optimal state, and thus the scheme allows to determine a call succeeding or failing by local information instead of that of the whole network. It employs Hopfield neural networks for optimization which avoids the complicated assessment of channel compactness and guarantees optimum solutions for every assignment. A scheme based on Hopfield neural network is considered before; however, unlike others, in this algorithm an energy function is derived in such a way that for a neuron, the more a channel is currently being allocated in other cells, the more excitation the neuron will acquire, so as to guarantee each cluster using channels as few as possible. Performance measures in terms of the blocking probability, convergence rate and convergence time are obtained to assess the viability of the proposed scheme. Results presented show that the approach significantly reduces stringent requirements of searching space and convergence time. The algorithm is simple and straightforward, hence the efficient algorithm makes the real‐time implementation of channel assignment based on neural network feasibility. Copyright © 2008 John Wiley & Sons, Ltd.