神经网络最短路径路由算法

最短路径路由算法一直是分组交换网络的研究热点。飞速发展的计算机网络对路由算法的反应速度提出了更高的要求。神经网络作为一种新的组合优化计算工具,以其固有的并行执行方式以及潜在的硬件实施能力,使其在网络路由方面的应用得到较大关注。对神经网络最短路径路由算法的模型、发展做了较为细致的阐述,并指出了存在的不足和将来的研究方向。     

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。     

Hopfield神经网络求解TSP中的参数分析

通过计算机仿真，实现用Hopfield神经网络求解TSP，对所得参数进行分析，给出相应结论。     

基于Hopfield网解决TSP问题

利用神经网络解决组合优化问题是神经网络应用的一个重要方面。组合优化问题,就是在给定约束条件下,使目标函数极小(或极大)的变量组合问题。首先介绍了Hopfield神经网络的工作原理,然后具体介绍了TSP问题,然后给出了Hopfield神经网络解决TSP问题的实例,最后的结果表明利用Hopfield神经网络解决TSP问题可以求得问题最优解的次优解。     

基于Hopfield神经网络车辆路径的优化研究

针对车辆路径的优化问题，借鉴旅行商路径问题的解决，利用Hopfield神经网络，结合电子地图和交通路况的一些人为因素（禁行、单行道等），提出了车辆行驶接近最优路径的算法和参数的学习方法。     

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。     

基于可变步长的Hopfield神经网络盲检测算法

使用了一种新的激活函数,来提高Hopfield神经网络(Hopfield Neural Network,HNN)的抗干扰性能。为解决采用新激活函数后收敛速度较慢的问题,设计了一种基于可变步长的Hopfield神经网络(Variable Step Hopfield Neural Network,VSHNN)盲检测算法。仿真实验表明,与传统盲检测算法相比,VSHNN盲检测算法加快了能量函数收敛速度,提高了算法的抗干扰性能。     

基于改进的Hopfield离散神经网络的模式识别

本文介绍基于改进的Ｈｏｐｆｉｅｌｄ离散神经网络（ＩＨＤＮ）的模式识别。当一个要求存贮在网络中的模式输入时,我们计算它与其它模式的类似测试,并把类似测试在网络综合中加以考虑。当输入任一矢量时,由于网络的联想能力,该矢量将进化到与它距离最近的一个存贮模式中。理论分析和实验仿真结果表明,ＩＨＤＮ比原Ｈｏｐｆｉｅｌｄ离散神经网络（ＨＤＮ）有更大的存贮容量和更强的联想能力。     

基于Hopfield神经网络噪声数字的识别

噪声数字的识别具有很好的应用前景,也是后期处理的基础。基于离散Hopfield神经网络的联想记忆能力,通过改进神经网络的记忆样本,再利用Hebb规则对改进的记忆样本进行学习,得到权值矩阵,根据待识别的噪声数字的信息联想起记忆的数字。利用改进后的离散Hopfield神经网络对噪声数字进行了识别的实验。实验结果表明,该方法提高了传统网络的记忆能力和识别的正确率。     

基于Hopfield神经网络和PSO算法的变电站运维规划

频繁发生的极端自然灾害对电网造成了巨大的破坏,最终必将导致停电。文中设计了一种面向极端自然灾害重要负荷连续供电的生命线系统,提出了一种考虑现有变电站、激励区和惩罚区影响的生命线系统变电站规划模型。采用Hopfield神经网络对馈线进行求解,并采用粒子群算法(PSO)对基于馈线的变电站位置进行了选址。规划结果不仅充分利用了现有变电站资源,而且为新建设变电站找到了合适的选址。     

对Hopfield神经网络的直接数学分析

本文不是使用一般常用的统计技术,而是直接采用数学方法对神经网络进行分析,以便对Hopfield网用作CAM时的性质有更进一步的了解.通过引进P个n维存储模式之间的非正交度d的概念,给出了网络的容量,即稳定的存储向量的最大数目,在最坏的情形下是(n+d)/(d+1);而描述收敛盆半径的量,稳定度k,则正比于n-p-(P-1)d且反比于p.本文考察了相关模式和伪模式的概念.关于伪模式,证明了在某种条件下sgn是伪模式,其中     

基于Hopfield神经网络的多传感器通信系统资源分配

无线传感器网络(WSN)主要通过许多传感器以自组织与多跳的方式组成无线网络,以协作地感知、采集、处理和传输具体范围内被感知对象的信息,在此基础上,最后将其传输至网络所有者。     

基于遗传算法和Hopfield神经网络的字符识别方法

分析了Hopfield神经网络和遗传算法的基本原理,探讨了Hopfield神经网络在字符识别中的应用,针对Hop-field神经网络易陷入局部最优的问题,提出了基于遗传算法的Hopfield神经网络的字符识别方法,利用遗传算法的全局搜索能力来弥补Hopfield网络易陷入局部最优解的缺点。并进行了仿真验证。实验结果证明...     

Hopfield络求解TSP两种改进算法的仿真研究

针对Hopfield神经网络在求解旅行商问题(TSP)时出现的无效解和局部极小值问题,分析和比较两种改进的求解方法.首先从理论上证明算法的有效性,然后对两种算法分别进行计算机仿真,探讨网络收敛于全局有效解的途径.研究表明,改进的算法都可避免无效解,在求解10城市问题时可获得近乎100%的最优解.     

基于最短路径的无人机自组网改进路由算法

无人机自组网(UAV Ad Hoc Network, UANET)是一种新型的移动自组织网络形式,具有3D空间中高移动性、拓扑结构频繁变化、带宽资源有限等特点,其中路由协议是UANET中一个重要且关键的部分。由于UANET中无人机节点的移动性,不断变化的拓扑结构使得寻找适合应用在UANET中的路由协议的过程比较复杂,网络中的链路中断和无人机节点失效也会导致网络资源的损失,降低了网络的可靠性和稳定性;因此,寻找源节点和目的节点之间的传输路由协议十分必要。结合上述问题,提出了适用于无人机自组网的基于最短路径的改进路由算法,该算法可以实现多路径传输,并且从丢包率、端到端时延和抖动三个方面来评估该算法的性能。仿真结果表明,改进的路由算法在无人机随机分布的高流量场景下,获得了比已有算法更好的性能。     

基于随机Hopfield神经网络的最优多用户检测器

Hopfield神经网络检测器与传统检测器相比具有独特的魅力,但存在局部收敛问题.随机Hopfield神经网络通过对状态变量引入噪声,从而避免局部收敛,进而达到最优检测.本文给出了CDMA移动通信系统中基于随机Hopfield神经网络的最优多用户检测器的统一框架,该检测器利用随机Hopfield神经网络对最大似然函数进行优化从而得到最优检测性能.在三种典型信道中对这些检测器性能进行比较,结果表明该检测器比传统检测器的性能更好.     

基于最短路径树的节点删除动态路由算法

提出一种基于最短路径树的节点删除动态路由算法。算法建立一个最短路径树更新集合,该集合包括被删除节点的断裂子树所有节点和其它节点连接的边,利用子树的结构信息,对子树节点的直系子孙节点和祖先节点进行更新,采用Dijkstra算法对其它子树节点进行更新。实验结果表明,该算法能有效减少节点更新计算次数。     

基于模糊Hopfield神经网络的特定目标的识别

基于模糊Hopfield网络研究提出了一种基于核的模糊Hopfield网络识别系统（BC－FHNRS）。BC－FHNRS先训练要识别的特定目标的核,使核能够代表特定目标,然后根据核对未知模式进行识别,判断该未知模式是否是特定的目标。给出了一种核的构造和训练方法,并以此为基础提出识别算法。该系统具有运算时间短、识别率和拒识率较高的优点。试验结果显示,BC－FHNRS具有较好的特性。