Stability of Hopfield Neural Networks

A stability criterion for the Hopfield neural networks with continuous and discontinuous nonlinearities and operation described by nonlinear differential equations is formulated and is based on the sign of the logarithmic norm of a matrix.     

Hopfield神经网络参数设置

以TSP问题入手,详细分析了Hopfield神经网络行为特征。采用了加强能量函数,比H-T模式更有效。从几何学角度分析了权值矩阵的特征值所对应的子空间,从而获得设置网络参数的标准。模拟结果显示,新的网络参数能保证网络收敛到有效解。     

Hopfield神经网络（HNN）的定性分析

本文介绍了神经网络作为联想记忆的特点，通过稳定性分析，对离散的和连续的ＨＮＮ的收敛性作了近似估计，给出了网络在平衡点附近的收敛条件．仿真结果进一步证实了本文结论的正确性。     

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。     

非对称型Hopfield神经网络的学习问题

联想记忆是人工神经元网络的重要功能之一,比讨ield网络是一种重要的应用于联想记忆型网络。为了实现记忆功能,我们总希望通过训练使徉本成为网络的稳定状态。然而汗bpfield网络利用决bb规则训练。     

随机Hopfiedld神经网络的稳定性分析

通过利用动态大规模互连系统的分解方法,对由Ｉｔｏ随机微分方程描述的随机Ｈｏｐｆｉｌｅｄ神经网络给出了稳定性分析,这样的神经网络被认为是许多神经元的一个互连,在本文中给出了稳定性结论是以单个神经凶和互连结构的性质来表示的。     

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。     

动态突触型Hopfield神经网络的动态特性研究

提出一种基于动态突触的离散型Hoppfield神经网（DSDNN）模型,给出了DSDNN的连接权值的动态演化模型及其神经元的状态更新模型．证明了DSDNN的平衡点与常规离散型Hopfield神经网络的平衡点具有一一对应的关系,分析了平衡点的稳定性．最后通过仿真分析了DSDNN的动态演化特性与其参数的关系。     

建立Hopfield网络的一般方法

讨论了用离散的带反馈的Hopfield网络的极限环来表达概念,以及在给定不动点、极限环或迭代序列等限制下,用线性规划和遗传算法通过求解不等式组一般性地建立Hopfield网络的方法,从而也解决了网络联结的稀释问题.最后给出了几个实例,     

时滞脉冲型Hopfield神经网络的全局指数稳定性*

基于众多领域及生物神经网络本身所存在的脉冲瞬动现象，本文首次提出并研究了带时滞的脉冲型Ｈｏｐｆｉｅｌｄ神经网络的全局指定稳定性问题，并讨论了其平衡态的存在唯一性。     

Improved Global Robust Stability for Interval-Delayed Hopfield Neural Networks

A modified form of a recent criterion for the global robust stability of interval-delayed Hopfield neural networks is presented. The effectiveness of the modified criterion is demonstrated with the help of an example.     

Hopfield Neural Networks for Parametric Identification of Dynamical Systems

In this work, a novel method, based upon Hopfield neural networks, is proposed for parameter estimation, in the context of system identification. The equation of the neural estimator stems from the applicability of Hopfield networks to optimization problems, but the weights and the biases of the resulting network are time-varying, since the target function also varies with time. Hence the stability of the method cannot be taken for granted. In order to compare the novel technique and the classical gradient method, simulations have been carried out for a linearly parameterized system, and results show that the Hopfield network is more efficient than the gradient estimator, obtaining lower error and less oscillations. Thus the neural method is validated as an on-line estimator of the time-varying parameters appearing in the model of a nonlinear physical system.     

基于神经网络的创造性计算模型的构建

根据神经网络和思维科学的理论,研究了逻辑、直觉以及创造性思维的模拟方法。逻辑思维采用了神经网络的BP算法来实现,直觉思维采用了Hopfield神经网络以及交叉变异等实现方法,论述了变异联想在直觉产生中的重要作用,并且建立了模拟直觉的计算模型。采用直觉与逻辑互补构成创造性思维的观点,构建了创造性思维的认知与计算模型,给出了创造性思维模型的计算实例。     

离散Hopfield联想记忆神经网络的渐近行为

该文对一类离散Hopfield联想记忆神经网络的渐近行为进行了讨论，首先提出这类I／O函数取为Sigmoid型函数的离散Hopfield联想记忆神经网络的数学模型，讨论并给出了这种模型的一系列性质，例如运动轨迹的有界性，平衡点的唯一性以及渐近稳定性等，得到了平衡点渐近稳定的充分条件，检验这种神经网络模型的渐近稳定性，只需要测试一个特定矩阵的定性性质或特定不等式即可，这些结果可用于离散Hopfield联想记忆神经网络的综合过程。     

基于Hopfield神经网络的线性系统参数辨识

基于Ｈｏｐｆｉｅｌｄ神经网络的优化计算原理,提出了一种新的线性系统参数辨识方法,利用连续型ＨＮＮ辨识线性系统Ｉ／Ｏ差分方程计算系统的传递函数矩阵,最终获得了可观标准型的状态空间表达式,仿真结果证明了这种只方法的有效性。     

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。     

Hopfield网的图灵等价性

本文给出了用Ｈｏｐｆｉｅｌｄ网计算部分递归函数的构造性证明．由于部分递归函数与图灵机等价，故Ｈｏｐｆｉｅｌｄ网与图灵机等价．     

Finite-Time Stabilization of Neutral Hopfield Neural Networks with Mixed Delays

Neural Processing Letters - In this article, we investigate the problem of finite time stabilization (FTS) of neutral Hopfield neural networks (NHNNs) with mixed delays including infinite...     

Hopfield网络中二元正交记忆模式的吸引域分析

在作为联想记忆的Hopfield网络中,二元正交记忆模式的分析对网络记忆容量的研究起着重要作用。文中提出了利用吸引指数的概念对各个二元正交记忆模式的吸引域进行估计的方法。理论分析和计算机仿真表明,当网络容量不超过0．33N时（比通常的0．15N要好）,每个二元正交记忆模式的吸引域至少包含一个汉明球。