基于Hopfield网络的衰变目标识别研究

人工神经网络是对人脑功能的某种程度的反映，具有自适应，自学习的能力，可通过对模式样本的自学习，从中获取特征，并能将学习获得的知识应用到后来的识别中。本文采用单层离散Hopfield网络来实现衰变目标的识别，提出了选取Hopfield网络三个记忆模式方法。     

离散Hopfield联想记忆网络的设计新方法及应用

基于离散Hopfield神经网络（DHNN）的联想记忆能力,利用由局部极小值条件产生的同种类的线性不等式给出了动态自联想记忆（DAM）网络的设计新方法;该方法简化了网络权值矩阵和阈值向量的确定,同时给出了设计的例子,说明了方法的有效性;最后给出了新设计方法的应用。     

基于克隆选择算法的Hopfield网络容量提升方法

Hopfield网络容量大小对网络模式识别正确率有重要影响。为进一步提升Hopfield的网络容量,提出了一种基于克隆选择算法优化Hopfield网络容量的方法。首先将克隆选择算法引入到Hopfield网络中,以Hopfield网络的初始输入作为克隆选择算法中的抗原;然后随机产生权值矩阵作为克隆选择算法的初始抗体;最后依据克隆选择算法对初始抗体进行克隆、交叉、变异,根据亲和力的大小选择出网络的优化权值,以提升Hopfield网络容量。将上述方法应用于含噪声的样本识别,实验结果表明:与传统的Hopfield网络相比,所提出的方法能有效地提升Hopfield网络的容量。为提高Hopfield神经网络的记忆容量提供了一种新的思路。     

基于Hopfield网络的波分复用网络优化设计

介绍了Hopfield算法的原理、模型和算法实现过程．并采用该算法对波分复用(WDM)网络保护容量数学模型进行了优化设计，优化计算结果表明，基于Hopfield算法的优化设计切实可行，为复杂的网络优化设计提供了新的方法。     

基于Hopfield模型和联想存储器的结构分析

运用连续型Ｈｏｐｆｉｌｅｄ网络以及连续双向联想存储器（ＢＡＭ）详述结构分析的两种新方法。新的方法是建立在比较上述两种方法的能量函数与结构位移法的能量函数（也就是所谓的刚度矩阵法）的关系基础上的,并且利用了人工神经网络所具备且优于经典数值方法的计算特点。几个相关结构分析的例子说明了以ＢＡＭ为基础的神经网络优于其他传统的数值方法及Ｈｏｐｆｉｅｌｄ模型。     

基于Hopfield模型和联想存储器的结构分析

运用连续型Ｈｏｐｆｉｌｅｄ网络以及连续双向联想存储器祥述结构分析的两种新方法。新的方法是建立在比较上述两种方法的能量函数与结构位移法的能量函数的关系基础上的,并且利用了人工神经网络所具备且优于经典数值方法的计算特点。     

Hopfield网络的稳定性优化计算研究

通过对阈值进行适当的设置,分析了权值矩阵对角元为任意实数时Ｈｏｐｆｉｅｌｄ网络的稳定性,并以此为基础给出了一种新的网络优化计算算法。     

连续Hopfield网络稳定性判定的新方法

概述了关于连续Ｈｏｐｆｉｅｌｄ网络的经典性工作,针对推广的Ｈｏｐｆｉｅｌｄ网络,推导了在条件Ｔ下以可微零均值非线性函数作为激励函数的Ｈｏｐｆｉｅｌｄ网络全局稳定的三个充分条件,给出了Ｈｏｐｆｉｅｌｄ网络稳定性判定的新方法,并通过实例进行了验     

一种用于模式识别的新型神经网络模型

双向联想记忆（BAM）网络和BP网络是两种重要的神经网络模型，研究结果表明将BAM网络的输入用40％的噪声污染，这种网络仍然可以实现正确联想，另一方面BAM网络有一个严重的缺点就是它无法实现数据压缩，而BP网络却恰恰能够很好地实现数据压缩，但它的容错性不好。本文同时从识别率和节省存储空间两方面出发，提出了一种BAM-BP神经网络模型。该模型具有容错性好、识别率高、简单等优点。     

基于Hopfield网络的商业银行信用风险评价系统

商业银行的信用风险包括流动性风险、投资风险及信贷风险.在对信用风险深入分析的基础上,通过Hopfield神经网络模型的设计,可将典型的风险模式贮存于网络中.根据初始的输入模式,利用其联想功能,能够对商业银行信用风险进行客观的评价,结果简单明了.     

水质综合评价的Hopfield网络模型

将人工神经网络技术运用于水质评价，建立了水质综合评价的Hopfield模型，并以重庆市南川凤嘴江水质资料为实例，对模型精确度进行了测试。结果表明：Hopfield网络用于评价水环境质量形象、客观、准确、合理,具有广阔的应用前景。     

神经网络模型的研究

模型研究是神经网络研究的主要内容之一。讨论了其中有代表性的Ｈｏｐｆｉｅｌｄ网络、多层感知器、Ｂｏｌｔｚｍａｎｎ机和Ｋｏｈｏｎｅｎ自组织网络，分别给出了这些网络模型的结构和学习算法，并分析了它们的特点及应用。     

基于Hopfield网络的约束广义预测控制

本文将Ｈｏｐｆｉｅｌｄ网络的快速优化计算能力应用于带预测输出约束输入约束的广义预测控制的求解,推导了带约束的预测模型,并将约束广义预测控制的求解化为典型的约束二次规划,提出了一种求解的约束非线性规划的Ｈｏｐｆｉｅｌｄ网络结构,并证明了其收敛性和稳定性。     

基于Hopfield网络的自适应观测器设计

针对一类线性连续时间单输入单输出系统提出了一种新的基于Hopfield网络的自适应观测器设计方法，利用Hopfield网络辨识未知系统的参数，大大提高了系统参数辨识速度，在确定性等价基础上设计状态观测器，并证明了参数辨识算法和状态估计的收敛性，数字仿真例子结果表明了该方法的有效性。     

延迟离散Hopfield网络及其串行稳定性

利用Lyapunov泛函方法，引入一种延迟离散Hopfield网络,给出该网络收敛到稳定点时网络参数应满足的足件及能量函数达到极值与网络收敛二者之间的关系，为实际应用打下了理论基础。     

延迟离散Hopfield型网络的异步收剑性

延迟离散Hopfield型网络是离散Hopfield网络的一种推广,研究了非对称的延迟离散Hopfield型神经网络的异步收剑性,并给出了相应的收剑性定理,所获结果推广了已有的结论。     

基于连续型Hopfield网络的最优控制方法

为克服应用离散型Hopfield网络解决动态最优控制问题时,计算量随着系统维数和控制时域的增加而指数增大的不足,提出了一种基于连续型Hopfield网络解决线性离散系统二次型最优控制问题的方法.该方法将线性二次型性能指标转化为连续型Hopfield网络的能量函数,控制序列转化为连续型Hopfield网络神经元的输出向量,从而将线性二次型动态优化问题的求解过程转化为相应的连续型Hopfield网络从初态向终态的运行过程,网络稳态输出反映了最优控制序列.该方法计算量小,实时性好,便于在线优化控制.     

关于非对称Hopfield神经网络的稳定性

根据矩阵特征值分布范围，讨论了连续时间Ｈｏｐｆｉｅｌｄ神经网络模型的渐近稳定性，给出了目前最优的结果，这对于实际网络设计有重要的指导作用。     

通信网络中缩减的Hopfield神经网络路由算法

为保证神经网络收敛于全局最优点,采用模拟退火算法研究了Hopfield神经网络的局部稳定问题,针对Hopfield神经网络路由算法需要神经元数目众多、计算量大的缺点,提出规模缩小化的Hopfield神经网络路由算法.采用减少神经元数量的方法,减小神经网络规模,提高路由运算能力和神经网络的适应性.比较了原路由算法和改进算法的迭代次数、运算速度和稳定状态能量函数,分析在通信网络和神经网络各参数变化情况下,迭代算法的收敛特性和稳定性的变化规律,总结神经网络路由计算3种约束系数之间的关系.结果表明,缩减的Hopfield神经网络路由计算较原算法具有更高的有效性、可靠性和应用适应性.     

用Hopfield网络优化空间机器人的路径

采用人工神经网络中的基本Hopfield网，实现了空间机器人的路径规划，解决了对两两给定通路的若干空间站点，空间机器人能顺序访问并最终返回起点的最短巡游路径问题．用Hopfield网解决最优化问题可针对不同的具体问题来设计网络的连接权及能量函数，从而扩展网络对解决具体问题的适应性，具有并行处理能力强、方法简单、容易实现等诸多优点．