一种改进的Hopfield网络学习算法

对人工神经网络ANN(Hopfield网络进行了分析,提出了Hopfield网络的稳定性问题,完善了Hopfield网络的学习算法。     

基于Max-T模糊Hopfield网络的车型识别

在许多模式识别采样的过程中,由于环境噪声和设备误差,往往导致采集的数据与真实值有一定偏差,这种偏差会影响识别的效果。本文采用Max-T FHNN模型,提出一种应用于智能化交通管理的车型识别方法。并用实验证实相对于其他车型识别方法,该方法在待测样本含有噪声的情况下能得到更好的识别率。     

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。     

模糊形态学双向联想记忆网络的性质

为模糊形态学双向联想记忆网络(FMBAM)提出一个学习算法。在理论上证明只要存在使给定的模式对集合成为FMBAM的平衡态集合,则该学习算法总能计算出相应的最大连接权矩阵对。该最大连接权矩阵对能使FMBAM对任意输入在一步内就进入平衡态,并且神经网络全局收敛到平衡态。FMBAM的每个平衡态都是Lyapunov稳定的。当训练模式存在摄动时,利用该学习算法训练的FMBAM,对训练模式摄动拥有好的鲁棒性。     

基于三角模的模糊双向联想记忆网络的性质研究

基于模糊取大算子和三角模T的模糊合成,构建了一类模糊双向自联想记忆网络Max-T FBAM.利用三角模T的伴随蕴涵算子,为这类Max-T FBAM提出了学习算法,并理论上证明了该学习算法确定的连接权矩阵是网络最大的连接权矩阵.对任意输入能使Max-T FBAM迭代一步内就进入稳定态,该类网络具有全局稳定性和可靠的存储能力.当三角模T满足利普希兹条件时,采用上述学习算法时自联想Max-T FBAM对训练模式的摄动全局拥有好的鲁棒性.最后用实验证实了理论研究,也为图像的可靠存储提供了参考.     

一种推广的模糊神经网络及学习算法

本文采用广义模糊神经网络实现分段建模的思想，给出了一种广义ｋ－均值聚类算法，该算法对同时确定模糊规则的个数和相应的参数，仿真结果表明该算法可行和有效性。     

一种参数化模糊联想记忆网络的鲁棒性分析

基于最大运算Max以及带参数ξ的t-模Tξ的模糊关系合成,提出一种参数化的广义模糊联想记忆网络Max-Tξ FAM及一种有效学习算法。由于Tξ中参数ξ的作用,在应用中Max-Tξ FAM有更大的适应性和灵活性。从理论上证明采用该学习算法时,对任意 ,Max-Tξ FAM对训练模式摄动的鲁棒性差。通过一个图像联想方面的实验检验了该结论的正确性。     

一种改进的模糊神经网络学习算法

本文引入模糊控制机制,对文献「１」的具有正态模型网络参数的前馈式模糊神经网络学习算法进行改进,提出了一种效率更好的Ｆ－ＢＰ学习算法。在此算法中,采用近似模糊推理技术来确定网络的学习率、动量因子、加速系数三个学习参数,使得这些学习参数在网络的学习过程中,根据学习时间的长短、误差大小及误差变化情况,进行动态调整,从而提高学习效率。最后,通过实例考查了Ｆ－ＢＰ学习算法的性能,并讨论了学习参数的调整对学习     

基于协作Hopfield网络的迭代立体匹配算法

针对立体匹配算法中求解能量函数全局最小问题,提出一种基于协作Hopfield网络的迭代立体匹配算法.它采用两个具有相似结构的Hopfield神经网络协作求解匹配问题,两个网络的不同之处是匹配过程中所采用的基准图不同.然后根据左右一致性约束实现两个Hopfield网络之间的协作,从而避免落入局部最小.为加快收敛速度,该算法将视差图的最优搜索问题转换为二值神经网络的迭代收敛过程.利用局部匹配算法的结果预标记初始视差,以设定神经网络初始权重.并根据局部匹配算法中隐含的假定条件,提出了局部匹配算法视差结果的评估准则,以确定各像素的视差搜索范围,从而减少各次迭代过程中状态待确定的神经元个数.实验表明该方法在性能和收敛速度上都要优于传统的Boltzmann机方法.     

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。     

The Object Perceptron Learning Algorithm on Generalised Hopfield Networks for Associative Memory

We present a study of generalised Hopfield networks for associative memory. By analysing the radius of attraction of a stable state, the Object Perceptron Learning Algorithm (OPLA) and OPLA scheme are proposed to store a set of sample patterns (vectors) in a generalised Hopfield network with their radii of attraction as large as we require. OPLA modifies a set of weights and a threshold in a way similar to the perceptron learning algorithm. The simulation results show that the OPLA scheme is more effective for associative memory than both the sum-of-outer produce scheme with a Hopfield network and the weighted sum-of-outer product scheme with an asymmetric Hopfield network.     

基于遗忘进化规划的Hopfield网学习算法

本文提出了一个基于遗忘进化规划的Hopfield网学习算法.通过遗忘部分个体,算法能避免局部最小.给定不动点、极限环或迭代序列,通过解不等式,算法能同时获得Hopfield网的拓扑结构和权值.该算法克服了进化Hopfield网学习的局限性.它还能找到多个优化解.实验也证明了该算法的有效性.     

离散Hopfield神经网络的稳定性分析

主要研究非对称离散Hopfield神经网络并行演化方式的动力学行为，同时给出了网络的一些新的稳定性条件，所获结果不仅推广了一些已有的结论，而且为该网络的应用提供了一定的理论基础。     

一种基于泛函网络的多项式Euclidean算法

提出一种基于泛函网络的多项式Euclidean计算新模型,给出一种基于泛函网络的多项式Euclidean新算法。网络的泛函参数利用解线性方程组方法来完成。相对于传统方法,该方法不但能够快速地获得所求多项式问题的精确解,而且可获得所求多项式问题的近似解。计算机仿真结果表明,该算法十分有效、可行,可以看作是对传统的Euclidean算法的一种推广。该算法将在计算机数学、代数密码学等方面有着广泛的应用。     

WDM光网上的Hopfield网波长分配算法的实现

讨论了在线性和环形WDM光网络上实现Hopfield网络的波长分配问题。给出了在线性和环形WDM光网络上实现并行Hopfield算法的通信模式所需波长数的下限值,分别设计了将该通信模式嵌入在上述简单WDM光网络上的波长分配方案,并给出了在该方案下实现Hopfield网络所需的波长数。     

Hopfield神经网络参数设置

以TSP问题入手,详细分析了Hopfield神经网络行为特征。采用了加强能量函数,比H-T模式更有效。从几何学角度分析了权值矩阵的特征值所对应的子空间,从而获得设置网络参数的标准。模拟结果显示,新的网络参数能保证网络收敛到有效解。     

非对称型Hopfield神经网络的学习问题

联想记忆是人工神经元网络的重要功能之一,比讨ield网络是一种重要的应用于联想记忆型网络。为了实现记忆功能,我们总希望通过训练使徉本成为网络的稳定状态。然而汗bpfield网络利用决bb规则训练。     

Hopfield网的关联分析

关于Hopfield网的状态转移轨迹、吸引子、吸引域和如何逃离局部极小点等问题,尤其是对具有一般权系数和偏置的网络,一直没有得到很好的解决.本文首先定义了Hopfield网的关联网络,分析了关联网络的性质,找出了具有关联关系的网络状态转移轨迹之间存在的关联关系和规律.从而,如果已知了一个网络的状态转移轨迹,利用这一规律可以很容易地得出与其相关联的网络的状态转移轨迹,并给出了它们的吸引子之间关系的结论,为Hopfield网络的局部极小点的逃离、最不容错网络的判断提供了方法,为对网络的进一步分析和设计提供了一种新的方法和途径.所进行的大量计算机仿真实验验证了这一规律的存在.