进化策略求解Hopfield神经网络

提出了一种进化策略求解ＨＯｐｆｉｅｌｄ神经网络的方法。该进化策略分三个阶段,即第一阶段只在较小区间上求出局部优化解;然后,在此基础上,由第二阶段求出较大区间上的局部优化解;最后由第三阶段求出全局优化解。同时采用Ｈｏｐｆｉｅｌｄ神经网络动态方程指导第一阶段的局部进化策略的进化方向,因而大大加快了优化搜索速度。在分阶段的进化策略中,其第一阶段只需搜索较小区间、第二和第三阶段的搜索则建立在其前一阶段的基     

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。     

Hopfield神经网络在字符识别中的应用

文章介绍了离散Hopfield神经网络的基本概念及其原理,以Matlab为工具,根据Hopfield神经网络的相关知识,设计了一个具有联想记忆功能的离散型Hopfield神经网络。首先提取照片的像素值,通过对照片的灰度处理,得到灰度像素矩阵。由于对单个字符进行识别的效果比多个字符整体识别的效果好,故对不同的字符进行分割,然后运用OSTU算法求得最佳阈值,通过数据替换得到该字符的二值矩阵。用原图片的二值矩阵作为训练样本,生成Hopfield神经网络。然后分别在不同噪声强度的情况下,以噪声图像的二值矩阵作为测试样本,观察网络的输出效果,并计算出相应的识别率。通过测试发现,噪声强度在较小范围0.1左右时,该网络可达到很好的识别效果,此时识别率接近1;随着噪声强度的增大,识别效果变差;当噪声强度达到0.4时,该网络已无法进行识别。     

Hopfield神经网络在机组组合问题中的应用

提出利用多层Hopfield神经网络求解机组组合优化问题。通过构造合适的能量函数使得单层Hopfield神经网络可以解决某一时刻的机组出力问题,与之相对应的多层神经网络可以解决任意时间段的机组出力问题。多层Hopfield神经网络的层数由所需求解问题的时间段确定。给出单层及多层神经网络的能量函数及求解算法,能量函数考虑到机组升降功率和出力上下限的约束。通过对已有文献的算例进行计算比对,所得结果和遗传算法基本一致,但Hopfield神经网络通过解微分方程组来确定最优解,计算时间相对较少。     

小波Hopfield神经网络及其在优化中的应用

通过把Hopfield神经网络的sigmoid激励函数替换为Morlet小波函数,提出了一种新型的Hopfield神经网络——小波Hopfield神经网络(WHNN)。由于Morlet小波函数具有良好的局部逼近能力和较高的非线性度,因此WHNN在非线性函数寻优上表现出令人满意的较高精确度的效果。一个典型的函数优化例子表明小波Hopfield神经网络比Hopfield神经网络有较高的精确度。     

Hopfield神经网络在二维码污损复原中的应用

针对传统Hopfield神经网络记忆功能的局限性,以Hopfield神经网络的理论知识为依据,提出了一种改进的Hopfield神经网络.在学习阶段,通过对连接关系矩阵的修正来提高网络的记忆能力.运用Matlab为工具,设计了一个可以对信息进行联想记忆的网络,实现了不同污损程度二维码的复原.对改进前后网络的复原结果进行了比较分析,结果表明:改进后的Hopfield神经网络对污损二维码的复原较好.     

推广的Hopfield神经网络模型

本文推广了Ｈｏｐｆｉｅｌｄ神经网络模型，对能量公式中的函数只要求一阶偏导数存在 连续即可，这就扩展了神经网络方法在求解组合优化问题中的应用。     

求解非线性方程的一种改进Hopfield神经网络

本文提出一种改进的ＨｏｐｆｉｅＩｄ神经网络来求解非线性方程。文中给出了这种网络的结构，讨论了网络平衡点与非线性方程解之间的关系，证明了网络的稳定性。这种网络的结构较为简单，易于编程及硬件实现。     

用改进的竞争Hopfield神经网络求解多边形近似问题

多边形近似是提取曲线特征点和简化曲线描述的一种重要方法.提出一种改进的Hopfield神经网络多边形近似算法,该算法利用选择拐点策略减少了搜索空间,重新定义了神经网络的能量函数,使其更能反映优化目标;引?入合并拆分搜索策略,有效帮助神经网络脱离局部最小值.实验结果表明,提出的改进算法是有效的,比其它算法如关键点检测法、竞争Hopfield神经网络、混沌Hopfield神经网络、遗传算法等具有更优的性能.     

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。     

一种基于遗传Hopfield神经网络求解TSP问题的算法

针对Hopfield网络求解TSP问题时出现无效解和收敛性能差的问题,对约束条件能量函数进行改进,构造了一种求解TSP问题的遗传Hopfield神经网络算法,并与经典Hopfield神经网络求解TSP方法进行对比.实验结果表明,本文算法具有更好的整体求解性能.     

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。     

Mutation Hopfield neural network and its applications

In this paper, a new operator is proposed to optimize the traditional Hopfield neural network (HNN). The key idea is to incorporate the global search capability of the Estimation of Distribution Algorithms (EDAs) into the HNN, which typically has a powerful local search capability and fast operation. On account of this property of the EDA, our proposed algorithm also exhibits a powerful global search capability. In addition, the possible infeasible solutions generated during the re-sampling period of the EDA are eliminated by the HNN. Therefore, the merits of both these methods are combined in a unified framework. The proposed model is tested on a numerical example, the max-cut problem. The new and optimized model yielded a better performance than certain traditional intelligent optimization methods, such as HNN, genetic algorithm (GA). The proposed mutation Hopfield neural network (MHNN) is also used to solve a practical problem, aircraft landing scheduling (ALS). Compared with first-come-first-served sequence, MHNN sequence reduces both total landing time and total delay.     

基于离散Hopfield神经网络的数字识别实现

介绍了离散Hopfield神经网络的基本概念;以MATLAB为工具,根据Hopfield神经网络的相关知识,设计了一个具有联想记忆功能的离散型Hopfield神经网络,并给出了设计思路、设计步骤和测试结果。实验结果表明,通过联想记忆,对于带有一定噪声的数字点阵,Hopfield网络可以正确地进行识别,且当噪声强度为0．1时的识别效果较好。     

基于BP神经网络的有限元应力修匀的研究

以四边形平面应力等参单元为例,以高斯积分点为样本点,基于BP神经网络分别考察了以下两种训练模型：以高斯积分点的坐标为输入,Mises应力为输出;以高斯积分点的坐标和位移同时为输入,Mises应力为输出。通过与传统的有限元整体应力修匀比较,经过BP神经网络学习得到的结点Mises应力,不论是单独以坐标为输入还是以坐标和位移同时作为输入得到的结点Mises应力精度都比有限元传统的整体应力修匀高,并且第二种BP神经网络训练模型得到的结点Mises应力比第一种的精度要高。     

模糊PID和Hopfield神经网络在矿井通风系统中的应用

针对传统的PID控制或者单一的模糊控制无法准确控制矿井通风系统风量的问题,提出了一种采用模糊PID调节器和Hopfield神经网络调节器对矿井通风机的转速、风门、风量进行控制的方法。该方法利用模糊控制器对PID参数进行实时修正,并结合Hopfield神经网络的联想记忆功能和反馈调节特性,实现矿井通风机风量的快速、稳定输出。仿真与实验结果表明,模糊PID调节器和Hopfield神经网络调节器可以准确控制矿井通风机的转速和风量,实现通风系统的稳定输出。     

A shortest path routing algorithm using Hopfield neural network with an improved energy function

A shortest path routing algorithm using the Hopfield neural network with a modified Lyapunov function is proposed. The modified version of the Lyapunov energy function for an optimal routing problem is proposed for determining routing order for a source and multiple destinations. The proposed energy function mainly prevents the solution path from having loops and partitions. Experiments are performed on 3000 networks of up to 50 nodes with randomly selected link costs. The performance of the proposed algorithm is compared with several conventional algorithms including Ali and Kamoun's, Park and Choi's, and Ahn and Ramakrishna's algorithms in terms of the route optimality and convergence rate. The results show that the proposed algorithm outperforms conventional methods in all cases of experiments. The proposed algorithm particularly shows significant improvements on the route optimality and convergence rate over conventional algorithms when the size of the network approaches 50 nodes.     

Chaos and hyperchaos in a Hopfield neural network

In this paper we investigate numerically the parameter-space of an autonomous system of four nonlinear first-order ordinary differential equations, which represents a Hopfield neural network with four neurons. The study considers three independent two-dimensional cross-sections of the three-dimensional parameter-space generated by this mathematical model, every constructed considering Lyapunov exponent values. We show that is possible to completely characterize the dynamics of the system based in these three plots, which are representative of the three-dimensional parameter-space as a whole.