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。     

离散Hopfield神经网络的稳定性研究

离散Hopfield神经网络的稳定性是网络应用的基础.文中主要研究非对称离散Hopfield神经网络的异步、同步、部分同步演化方式的稳定性,并给出了一些新的稳定性条件,所获结果推广了一些已有的结论.     

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。     

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。     

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...     

基于改进Hopfield神经网络的自适应二维噪声对消器

提出了基于连续型Hopfield神经网络(CHNN)的自适应二维噪声对消器,讨论了神经网络的结构和原理及相应的自适应滤波算法,并从理论上进行了论证.仿真结果表明相对于采用最小均方算法的二维线性噪声对消器,CHNN噪声对消器能更有效实现二维噪声的消除,保持原信号的完整性,获得较好的去噪声效果.     

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.     

联合井式电阻炉神经网络离散型Hopfield算法的建模与仿真

文章利用强大的数学计算工具-MATLAB语言及SIMULINK仿真技术，采用离散型(Discrete Hopfield Neural Net，DHNN)Hopfield算法，对具有典型非线形、大滞后、强耦合的复杂系统一联合井式电阻炉进行建模与仿真研究，同时在工业现场初步加以应用，收到了很好的效果，为工程决策提供科学依据。     

基于ICA与BP神经网络相结合的人脸识别研究

提出了独立成分分析和BP神经网络相结合的人脸识别方法。首先对人脸图像进行小渡分解。提取人脸图像的低频子带图像，然后用被立成分分析方法对低频子带图像进行特征提取，并用改进的BP神经网络时所提取的人脸特征进行分类识别。在AR人脸图像库中进行的实验表明，此方法取得了较高的识别率。     

语音识别中的神经网络DTW结构

本文介绍语音识别中一种基于动态规划技术的时间规正算法DTW的神经网络实现方法.DTW是语音识别中最为有效的方法之一,它具有较强的鲁棒性且为语音识别系统提供了可能的最高识别率.但由于其计算量太大,除非用专门的硬件,DTW算法在实现时受到了限制.在本文中,所有的计算是由两个循环神经子网和一记忆层来完成的,该方法展示了算法的硬接线结构,(hard-wiring)的优越性,这为DTW的硬件实现提供了一种新的实施策略.     

多层结构神经网络的等误差范围逼近与收缩学习方法及其应用

本文提出了一种用于前馈型多层神经网络学习的等误差范围逼近与收缩学习方法,这种方法仅仅要求网络的实际输出落在理想模式输出的一个事先给定的误差范围之内,从而可以大大提高网络的学习速度,且运算量小,而且通过适当选择等误差范围,它还可以提高网络在模式识别中的推广性能.如果网络用于模式联想等方面时,通过误差范围的逐步收缩,这种方法还可以以很小的额外代价提高网络学习的逼近精度;另外,它还可以避免传统方法中经常出现的训练模式反转等局域极小状态和过学习现象的出现.最后,文中给出了以这种方法训练的网络用于脑电波癫痫信号识别中的实验结果及其分析.     

脉冲神经网络的时间计算--世界中心识别原理

本文表明传统的基于脉冲平均点火车（averagefiringrate）的人工神经网的全并行计算是不妥的,因为它不能进行时间操作我们提出一个脉冲神经网（Spikingnetwork）,对神经计算引入空间搜索机制搜索能够将空间坐标转化为时间坐标这使得空间相对坐标也转化为时间相对坐标利用延迟的连接,神经网能够非常容易地完成时间相对坐标的计算设计了一个以世界为中心的模型（World-centeredMedel,WCM）,它由空间搜索器和特征转移向量存储器组成WCM是单纯的神经网络,它代表了不变识别的神经原理     

基于BP神经网络的指纹模板分类器分类算法

指纹识别是计算机模式识别领域中一个比较活跃的课题。有着十分广泛的应用前景。对于庞大的指纹信息，人们越来越关心的是如何对其分类与储存。文章提出了一种基于BP神经网络的指纹模板分类算法，在简介指纹图像的预处理和模板建立过程的基础上，着重阐述基于黄金分割法的自适应变步长算法，仿真表明它比传统的固定步长算法有更好的收敛速度和精度。     

Artificial intelligence based ensemble approach for intrusion detection systems

Internet attacks pose a severe threat to most of the online resources and are a prime concern of security administrators these days. In spite of many efforts, the security techniques are unable to detect the intrusions accurately. Most of the methods suffer from the limitations of a high false positive rate, low detection rate and provide one solution which lacks the classification trade-offs. In this work, an effective two-stage method is proposed to produce a pool of non-dominating solutions or Pareto optimal solutions as base models and their ensembles for detecting the intrusions accurately. It generates Pareto optimal solutions to a chromosome structure in stage 1 formulating Pareto front. Whereas, another approximation to the Pareto front of optimal solutions is made to obtain non-dominating ensembles in the second stage. The final prediction ensemble solutions are computed from individual predictions using majority voting approach. Applicability of the suggested method is validated using benchmark dataset NSL-KDD dataset. The experimental results show that the recommended method provides better results than conventional ensemble techniques. The recommended method is also adequate to generate Pareto optimal solutions that address the issue of improving detection accuracy for minority as well as majority attack classes along with handling classification tradeoff problem. The proposed method resulted detection accuracy of 97% with FPR of 2% for KDD dataset respectively. The most attractive feature of the proposed method is that both generation of base classifier and their ensemble thereof are multi-objective in nature addressing the issue of low detection accuracy and classification tradeoffs.     

多值和多阈值神经元及其网络组合与应用

本文提出了输出特性具有多值和多阈值特性的神经元，这种新神经元的功能在于它用多个阈值把输入空间划分成多个超平带，并可把各个超平带按需求归类或赋以不同的输出值作为标号。     

VOICE/NON-VOICE DISCRIMINATION SYSTEM FOR PUBLIC COMMUNICATION NETWORKS

The features of non-voice signals on public communication nets are analyzed and an approach to distinguish such signals is introduced in this paper. It is the first time for the system to meet three key targets: large-scale, high recognition rate and low false alarm at the same time.     

公用通信网非话业务信号识别系统

本文分析了公用通信网中非话音信号传输的特点,提出并实现了万门话路非话信号检测系统的研制方案。该系统在国内首次同时达到大容量,实时和极低虚警率的设计指标。     

径向基函数网络的ABS投影学习算法

Broomhead(1988),Chen(1991)等人提出的RBF网络的学习算法都是基于传统的LMS算法,因此具有一定的局限性。本文提出了一种新的RBF网络的学习算法ABS投影学习算法,它是一种直接的学习算法。计算机模拟的结果表明,它具有学习效率高,识别率高和适用范围广的优点。