IPA模型对Hopfield模型神经网络的改进

考虑Ｈｏｐｆｉｅｌｄ模型中假态之间的布尔逻辑关系，提出利用ＩＰＡ模型对神经网络中的假态进行抑制，并和原网络的性能进行了比较，结果表明：改进后的网络性能比Ｈｏｐｆｉｅｌｄ模型和ＩＰＡ模型均有较大提高。     

松弛匹配算法的神经网络实现

本文提出了用Ｈｏｐｆｉｅｌｄ神经网络完成特征点松弛匹配过程的方法，其优越性在于可以利用神经网络强大的并行处理信息的能力，实时实现松弛匹配过程。通过对模拟图像进行的大量实验，得到了令人满意的结果，证实了用Ｈｏｐｆｉｅｌｄ神经网络完成特征点松弛匹配过程的有效性和可行性。     

关于神经网络和遣传算法的研究进展

简要回顾了南京邮电学院几年来神经网络、Ｈｏｐｆｉｅｌｄ模型神经网络、细胞神经网络模型和遣传算法等方面的研究工作所取得的进展。     

光神经网络中的半导体光电器件

叙述了光神经网络的基本概念，并介绍了光神经网络中使用中的半导体光电器件， 体可调制光电检测器（ＶＳＰＤ），具有内存贮光神经芯片，人工视网膜芯片，以及不对称的Ｆａｂｒｙ－Ｐｅｒｏｔ调制器（ＡＦＰＭ）的最新研究结果。     

离散型Hopfield神经网络的电流模式实现

提出了离散型Ｈｏｐｆｉｅｌｄ电流模式实现电路。该电路主要由可编程电流镜和电流比较器构成，具有结构简单，运算速度快，易于单片集成等优点，采用ＰＳＰＩＣＥ５．０进行的模拟证明了该电路的正确性。     

具有高容量稳定存贮的加权神经网络

根据离散神经网络动力学过程中的系统能量演化的趋势，提出利用汉明距离构造高容量离散联想神经网络的设想，并用计算机进行数值模拟，给出了一些结果。     

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     

光学神经网络多值模型及实验研究

本文对两种光学神经网络多值模型进行了探讨，并设计了以空间光调制器ＰＲＯＭ为主体的光学系统对这两种模型进行了光学模拟。实验结果及计算机拟结果均表明，采用这两种模型的网络存贮容量有所提高。     

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。     

迈向21世纪的光互连和光计算机

为了适应２１世纪高度信息化社会的需要，解决目前电子系统中电互连和信息处理技术带来的局限，光互连与光计算已成为跨世纪引人注目的话题，文中介绍光互连的特点，功能．形式，以及在光计算机和光神经网络中的作用。     

A CASCADED MODEL OF NEURAL NETWORK FOR PATTERN RECOGNITION

A cascaded model of neural network and its learning algorithm suitable for opticalimplementation are proposed.Computer simulations have shown that this model may successfullybe applied to an error-tolerance pattern recognitions of multiple 3-D targets with arbitrary spatialorientations.     

AN ALGORITHM FOR VLSI CHANNEL ROUTING USING NEURAL NETWORK

The algorithm for VLSI channel routing using Hopfield neural model is discussed inthis paper.The basic methods of mapping VLSI channel routing problem to Hopfield neural net-work,constructing energy function,setting initial neural status,and selecting various parametersare proposed.Finally,some experimental results are given.     

神经网络混沌吸收引子在计算机加密通信中的应用

提出了利用神经网络过饮和存贮的混沌分类吸引性质来实现计算机通信的加密功能的方法，利用该方法，研制出具有快速自动加密功能的计算机通信技术系统。     

基于双Sigmoid小波混沌神经网络的盲检测算法*1

接要:针对在盲检测环境中暂态混沌神经网络的缺陷,提出了基于双Sigmoid小波混沌神经网络的盲检测算法,构建了新网络的模型和能量函数,并分别在同步和异步更新模式下证明了该网络的稳定性.新网络的设计思想体现在:采用墨西哥帽小波函数和Sigmoid函数的组合作为网络的激励函数,再为每个神经元加一个激活函数构成双Sigmoid.仿真表明:由于小波函数较强的逼近能力以及双Sigmoid快速收敛的特性,提出的算法显著地提高了网络的全局寻优能力和寻优精度.     

复数Hopfield神经网络盲均衡QAM信号

为了解决复数多值信号的盲均衡问题,本文提出了基于复数Hopfield神经网络盲均衡多值信号的方法:将基于Hopfield神经网络的盲均衡算法从实数域推广到复数域.在复数域成功构造了复数Hopfield神经网络,重点针对16QAM信号进行盲均衡.并验证了此系统可以处理非统计量字符,即处理16QAM信号的Hopfield神...     

Hamilton Number Neural Network Model

The stability and the sequential dynamics of the sixteen-state Hamiltnn neural network model have been discussed with the energy function.The optical impementation scheme about Hamilton number vector-matrix multiplication is simply discussed.     

ANALOG CIRCUIT IMPLEMENTATION OF NEURAL NETWORK WITH HIGH PRECISION WEIGHTS

A current-mode MOS neuron circuit with 4-bit programmable weights is presented by using CMOS technology. The weights of the neurcn have high resolution and also can easily be digitally stored. The resolution can be extended into high levels such as 8-bit, etc. by the design methodology presented in this paper. The operational principle of the neuron is discussed. Circuit simulation has been made by use of SPICE II. The results give a good agreement for the design requirements.     

防空兵群火力单位机动部署的Hopfield神经网络模型研究

针对防空兵群火力单位机动部署问题,引入了基于Hopfield神经网络的解决方法．建立了神经网络模型,给出了神经网络能量函数的表示方法及状态方程,并在Matlab中进行了仿真实验,实验表明该方法是可行的。     

Partial X-ray photoelectron spectroscopy to constructing neural network model of plasma etching surface

A new model to control plasma processes was constructed by combining a backpropagation neural network (BPNN) with X-ray photoelectron spectroscopy (XPS). This technique was evaluated with the data collected during the etching of silicon carbide films at NF₃ inductively coupled plasma. The etching characteristics modeled were the etch rate and surface roughness measured by scanning electron microscope and atomic force microscopy, respectively. For systematic modeling, the etching was characterized by means of 2⁴ full factorial experiment plus one center point. The BPNN was trained by the training data composed of XPS spectra corresponding to five major peaks. Prediction performance of trained BPNN model was tested with a test data set, not belonging to the training data. In modeling surface roughness, pure XPS model yielded an improvement of about 24% over PCA-XPS (99% data variance) model. For the etch rate data, the improvement was more than 40% irrespective of the data variances. These results indicate that non-reduced XPS spectra are more effective in constructing a prediction model. XPS models can be utilized to diagnose or control plasma processes.