模糊Hopfield网络的收敛性与鲁棒性分析

收敛性与鲁棒性是模糊神经网络的两个重要性质。对带阈值的Max-T模糊Hopfield神经网络（记为Max-T-C FHNN）的收敛性及在训练模式小幅摄动情况下的鲁棒性进行了分析,从理论上给出了严格的证明。发现了采用最大权值矩阵学习算法时,Max-T-C FHNN具有良好的收敛性,同时当T模及其蕴含算子满足Lipschitz条件时,Max-T-C FHNN对训练模式摄动全局拥有好的鲁棒性,用自联想实验验证了理论的有效性。     

Max-Product型模糊Hopfield网络稳定性及其聚类方法研究

本文将模糊逻辑和神经网络相结合,提出了Ｍａｘ－Ｐｒｏｄｕｃｔ型Ｈｏｐｆｉｅｌｄ人工神经网络,给出了它的网络结构和形式化描述,证明了ＦｕｚｚｙＨＮ的稳定性,最后通过理论和数值实验对基于Ｍａｘ－Ｐｒｏｄｕｃｔ型Ｈｏｐｆｉｅｌｄ网络的动态聚类过程和有关性质进行了研究。     

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。     

基于模糊理论的车型识别

随着机动车数量的增加,交通管理、公路收费的工作量和工作难度日益加大,因此车型自动识别在公路交通管理和自动收费中有重要的应用价值。文中主要提出了运用模糊理论建立隶属度函数对提取了特征数据的车辆进行模式识别的方法,该方法能识别常见的轿车、越野车、货车和客车。并给出了识别过程实现的程序框图。该方法结构简单而且识别效率较高,速度较快,相比神经网络的方法更容易实现,应用于实际作业将会明显减少人员的工作量。     

基于模糊理论的车型识别

随着机动车数量的增加，交通管理、公路收费的工作量和工作难度日益加大，因此车型自动识别在公路交通管理和自动收费中有重要的应用价值。文中主要提出了运用模糊理论建立隶属度函数对提取了特征数据的车辆进行模式识别的方法，该方法能识别常见的轿车、越野车、货车和客车。并给出了识别过程实现的程序框图。该方法结构简单而且识别效率较高，速度较快，相比神经网络的方法更容易实现，应用于实际作业将会明显减少人员的工作量。     

一种模糊Hopfield网络的学习算法及性质

摘要现基于TL-模Max-TL模糊Hopfield网络(Max-TL FHNN)提出了一种有效的学习算法。对任意给定的模式集合,该学习算法总能找到使该模式集合成为Max-TL FHNN的平衡点集合的所有连接权矩阵中的最大者。任意给定的模式集合都能作为Max-TL FHNN网络的平衡点集合且能使Max-TL FHNN对任意输入在一步内就进入稳定状态,同时该网络对训练模式的摄动具有好的鲁棒性。     

基于模糊Hopfield网络的神经元模糊识别系统

本文基于模糊Hopfield网络研究提出了一种神经元模糊识别系统(Neuro-Fuzzy Recognition System,简称NFR系统,或NFRs).其核心是(N+1)阶模糊Hopfield网络和NFR聚类核.通过(N+1)阶模糊Hopfield网络中的N阶子网络,对样本模式进行模糊聚类,学习样本模式中隐含的模糊聚类结构知识,形成NFR聚类核.基于NFR聚类核形成的知识结构,(N+1)阶模糊Hopfield网络对由待识别模式和样本模式构成的模式集合进行模糊聚类运算.NFRs可对模式空间的模式进行分类和识别,并依样本模式将其划分为等价类.论文对NFRs的性能进行了理论分析和示例研究,结果显示,NFRs具有良好的特性.     

使用模糊竞争Hopfield网络进行图像分割

针对传统自组织竞争学习方法的不足,将模糊竞争学习引入竞争Hopfield网络中,由此设计了一个用于图像分割的模糊竞争Hopfield网络,通过将图像空间映射到灰度特征空间,实现灰度特征集的模糊聚类,进而实现图像分割.实验结果表明:对于二值分割,与Ostu方法相比,此算法在分割效果和对噪声的自适应能力方面具有明显的优点.对于多类分割,此算法比目前的FCM(fuzzy C mean)算法的处理速度要快.     

基于语义和Hopfield网络的模糊汉字识别

模糊不清汉字的辨认在文本处理中是一个尚未完全解决的难题,该文提出了一种基于语义分析和Hopfield网络相结合的算法,在一定程度上可以解决印刷字体中较为模糊不清汉字的识别问题。实验结果表明,该方法的识别正确率较高。     

基于模糊模式的手写数字识别

手写体数字识别是一个难度很大,但却具有广阔应用前景的研究课题.文章提出了一种基于模糊模式识别和BP神经网络技术对手写数字进行识别的算法:首先应用BP神经网络技术对手写数字样本进行学习,然后结合模糊模式识别方法进行手写数字识别.实验表明,该方法的正确识别率达95%以上.     

Hopfield神经网络在车牌照字符识别中的应用

介绍了Hopfield神经网络识别车牌照字符的方法,用Matlab完成了对车牌照数字识别的模拟,最后给出实验结果。     

基于CS的Hopfield神经网络数字识别应用

介绍了布谷鸟搜索(cuckoo search, CS)和Hopfield神经网络的基本原理,研究了基于Hopfield神经网络的数字识别应用。针对Hopfield网络权值在数字识别时易陷入局部最优,提出将CS引入Hopfield神经网络的解决方法。利用CS对复杂、多峰、非线性极不可微函数的全局搜索能力,使Hopfield网络在较高噪信比的情况下仍保持较高的联想成功率,并进行了仿真。仿真结果表明,该方法识别数字的效果更佳。     

模糊神经网络在阿胶模式识别中的应用

介绍采用模糊神经网络法对动物药阿胶进行模式识别，识别效果令人满意，由于其有模糊性，对于一些杂皮胶或混胶，也能识别出相应的隶属度。     

基于Hopfield神经网络的交叉线识别算法

提出了一种利用Ｈｏｐｆｉｅｌｄ神经网络进行交叉线识别的算法。在本算法中，一个含有交叉线的图象被映射到Ｈｏｐｆｉｅｌｄ神经网络之上，每一个象素与一个神经元相对应，神经元间的权重由其对应的象素间的关系（包括距离、斜率等）所决定。在Ｈｏｐｆｉｅｌｄ神经网络的收敛过程中，神经元的状态根据一定的规则不断地被调整直到收敛；同时随着神经元状态的确定，交叉线段也被识别出来。在实验模拟中，此算法显示了优越的性能。     

生态遗传算法在煤矸石模糊模式识别中的应用

给出煤矸石组分模式识别的模糊神经网络模型 ,提出一种实用生态算子 ,同时将在此基础上构建的生态遗传算法用于模糊神经网络的离线学习。仿真和实验结果显示 :新算法使网络具有良好的收敛性能 ,而且从训练好的定量网络中提取的模糊规则提高了煤中矸石的识别率。     

基于模糊模式识别的超圆神经网络模型

模糊模式识别是模糊集理论研究中的重要方向,神经网络是数据挖掘中的一种常用方法。超圆神经网络的学习时间和网络模型理解性都优于BP神经网络,它能以较少的数据量蕴涵同样的信息量。文章依据超圆神经网络模型思想,提出了一种新的基于模糊模式识别的神经网络模型算法,该算法继承了超圆神经网络的优点,能有效地对样本进行学习。     

基于仿生模式识别理论的高阶神经网络说话人识别方法

根据一种全新的仿生模式识别理论,提出了采用神经网络实现并完成说话人识别的新方法。该方法利用高阶神经网络形成的复杂包络在特征空间中构造不同说话人的覆盖区域达到识别目的。相关实验证明,这种新的说话人识别方法只要通过少量样本的训练即可达到比传统方法更高的识别率。     

基于无监督神经网络的故障模式识别

无监督学习的竞争式神经网络是一种数据聚类方法,能保持输入空间的拓扑关系不变,借助于一维或二维输出平面的一组有序的向量,实现高维数据的聚类和可视化;探讨了一种无监督神经网络--SOFM网络原理、思想和算法步骤,研究了无监督网络在模式识别中的应用,提出了基于SOFM网络的故障模式识别和状态监测方法;通过实例研究了SOFM网络在机械设备故障模式识别和状态监测中的应用.     

电梯交通模式的模糊神经网络识别

交通模式识别的准确性将直接影响群控系统的整体性能,通过对各种电梯交通模式识别方法优、缺点的分析比较,考虑电梯交通模式的判断条件,结合神经网络和模糊推理,设计了一种基于模糊神经网络的电梯交通模式识别方法,该方法能够适应各种交通流模式的变化,并采用相应的电梯群控调度策略。