延迟离散Hopfield神经网络的动态行为

主要研究带有延迟项的离散Hopfield神经网络动态演化行为. 给出了延迟网络并行收敛于周期小于等于2的极限环的一些条件. 同时,得到了延迟网络收敛于周期为2的极限环的条件. 而且对所获结果通过例子进行了验证. 这些结果为延迟离散Hopfield神经网络的进一步分析和应用提供了一定的理论基础.     

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。     

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.     

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。     

基于离散型Hopfield网络的计算机网络安全等级分类研究

随着计算机技术与互联网技术迅猛发展,我国计算机与网络技术均得到了明显提高。但随之而来的网络安全问题日益突出。目前网络安全问题已经成为人们普遍关注的问题,在对计算机网络进行评价与安全等级分类当中,最为常用的技术便是神经网络。对此就计算机网络安全评价体系构建原则与安全评价原则入手分析,并对提出一种基于离散型Hopfield网络的计算机网络安全等级。     

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。     

网络化控制系统离散二次型最优控制综合设计

基于网络QoS如延迟、丢包建立网络化控制系统状态方程,提出一种根据网络QoS离散化连续系统二次型代价函数及设计相应最优LQR(Linear Quadratic Regulator)控制器的方法。针对系统控制性能对网络QoS的约束,提出一种能够兼顾系统性能与网络QoS的控制与调度综合协调设计方法。仿真实验证明了提出的网络化控制离散二次型最优综合设计方法的必要性和与已有的二次型最优控制方法相比的优势。     

隶属DHNN水质评价模型探析

基于动力学分析设计反馈神经网络Hopfield其离散型的优化算法,通过矩阵分解的方法(MD)得到其正交矩阵,优化算法即可直接计算Hopfield离散型神经网络的权值矩阵,并将样本信息可以较好地存储训练,使测试样本快速收敛到稳定点。相较于传统方法涉及的奇异值分解学习算法不需要分块分步计算,简化了计算步骤和计算量,迭代次数减少,运行速度提高。最后,将训练好的优化算法应用于研究流域生态演变趋势的分析,验证了其应用前景和推广价值。     

下侧二重随机Dirichlet级数的相关收剑性

在下侧二重Dirichlet级数的相关一致有界收剑定理及Knopp-Kojima公式的基础上,通过引入一个随机变量序列,在概率空间（Ω,A,P）上定义了下侧二重随机Dirichlet级数,建立了该级数的收剑性理论与Knopp-Kojkma的推广公式。     

时滞中立型神经网络全局渐近稳定性

针对具有时变时滞的中立型Hopfield神经网络,在对时变时滞的合理假设下,文中通过构造适当的Lyapunov泛函,提出了一种新的方法判定时变时滞中立型Hopfield神经网络系统的全局一致渐近稳定性。所得判据是建立在一个代数Riccati方程及其对应离散Lyapunov方程存在对称正定解之上的,并得出了易于计算机仿真实现的线性矩阵不等式的判据形式,仿真验证了结果的有效性。     

具有参数摄动时滞Hopfield神经网络的鲁棒稳定性和吸引域估计

针对具有参数摄动的时滞Hopfield神经网络,基于矩阵范数的概念建立了时滞依赖鲁棒稳定判据.该鲁棒稳定判据将参数摄动大小和时滞上界大小统一在一个表达式中,进而可得到时滞和参数摄动大小对网络稳定性影响的定量关系.此外,给出了局部稳定平衡点吸引域大小的估计,并通过数值仿真验证了本文结果的有效性.     

具有动态突触的Hopfield时滞神经网络的稳定性分析

在研究Hopfield神经网络时,通常把连接权视为常数;但实际上神经元间的突触是随时间变化的。文章运用拓扑度理论和Liapunov泛函方法,研究具有动态突触的Hopfield时滞神经网络平衡点的存在性和全局吸引性,得到了平衡点存在的简单的代数判据。     

基于RSVP的一种QoS智能路由算法

定义了路径的带宽碎片函数和网络效益两个优化函数,并根据业务连接的时延、带宽特性,将其分为窄带连接和宽带连接两类.提出一种基于Hopfield神经网络的公平接入QoS路由算法,此算法具有并行性、实时性和鲁棒性,并用性能仿真结果表明本算法的公平性和有效性.     

一种用于解决TSP问题的新的Hopfield网络

针对Hopfield网络在解TSP问题时出现的存在无效解和收敛速度慢的问题,提出一种正的自反馈Hopfield网络.通过仿真可以看出,该网络在解决TSP问题上易获得有效解,同时还具有收敛速度快和迭代次数少的优点.     

具有时滞的Hopfield神经网络的渐近稳定性

应用Lyapunov泛函理论和矩阵分析技巧研究具有时滞的Hopfield神经网络的渐近稳定性问题,获得了两个基于线性矩阵不等式的判据。数值示例表明所得结果比已有文献中的结果更少保守。     

Hopfield型神经网络的全局指数稳定性

研究了Hopfield型神经网络的全局指数稳定性,就活化函数严格单增和严格单增但增益有界的情况,提出了保证网络全局指数稳定的充分判据。对活化函数严格单增权矩阵对角稳定的情况,以简约的形式,给出网络全局指数稳定的收敛速率。     

改进的连续Hopfield网络求解组合优化问题 ——以TSP求解为例

利用神经网络求解组合优化问题,是一种有效的途径。对连续Hopfield网络的数学模型及稳定性进行了分析;探讨了组合优化问题的神经网络求解方法,针对传统方法参数配置复杂、收敛速度慢等不足,提出了改进算法;最后,通过系统仿真与性能测试验证了该算法的可行性。     

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