基于神经网络的B运输问题求解算法

构造了一个B运输问题的等价模型,依据此模型,利用连续Hopfield网络求解,最后给出了一些示例.     

两个优化问题的神经网络计算

本文采用推广的Ｈｏｐｈｆｉｅｌｄ神经网络模型求解ＮＰ完备的箱问题和背包问题，取得了较好的效果，为这两个问题的解决提供了一条新的途径。同时，对用推广的Ｈｏｐｆｉｅｌｄ神经网络模型解决优化问题的方法进行了探讨。     

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。     

运输问题的遗传算法

本文经典的运输问题给出了一种遗传算法，编制了相应的程序，对线性和非线性情况下的大量随机算例进行了求解，得到了较好的结果。     

关于分配问题的新解法

通过研究分配问题的规模和限制问题,本文提出了一种简捷而全新的解求解算法.该算法步骤简单、可操作性强、不受问题规模限制.     

Hopfield神经网络稳定性的敏感性研究

本文时一类非对称Hopfield神经网络在联接矩阵为非对称的前提下时矩阵特征值所在范围作了更精细的刻画：在有电阻(R)扰动下利用矩阵特征值理论给出了网络渐近稳定性的条件。     

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。     

基于精确罚函数的神经网络优化方法求解TSP问题

利用精确罚函数方法结合神经网络来求解最优化问题,重点求解的是组合优化问题的TSP经典问题,重点讲述的是Hopfield神经网络基于精确罚函数求解组合优化问题TSP,在用Hopfield神经网络求解TSP问题时,人工神经网络的初始态对应着无约束优化问题的初始解,人工神经网络系统的稳态对应着无约束问题的优化解。在求解TSP问题中是利用能量函数来构造的。当人工神经网络系统达到稳定状态时的一个极小点也就是TSP问题的最优解。     

一种非线性优化的神经网络

本文提出了用人工神经网络求解具有约束条件的非线性优化问题的具体方法，分析了神经网络能量函数的构成形式，并在常规的Ｈｏｐｆｉｅｌｄ网络模型的基础上构造了一个非全局连接的神经网络动力学模型。这种修改的Ｈｏｐｆｉｅｌｄ网络克服了常规的Ｈｏｐｆｉｅｌｄ网络在求解非线性优化问题时权值不好映射的困难，具有结构清晰，易于软件模拟和硬件实现的优点。     

离散Hopfield联想记忆神经网络的渐近行为

该文对一类离散Hopfield联想记忆神经网络的渐近行为进行了讨论，首先提出这类I／O函数取为Sigmoid型函数的离散Hopfield联想记忆神经网络的数学模型，讨论并给出了这种模型的一系列性质，例如运动轨迹的有界性，平衡点的唯一性以及渐近稳定性等，得到了平衡点渐近稳定的充分条件，检验这种神经网络模型的渐近稳定性，只需要测试一个特定矩阵的定性性质或特定不等式即可，这些结果可用于离散Hopfield联想记忆神经网络的综合过程。     

量子神经网络在交通运输能力预测中的应用

针对BP神经网络在道路交通运输能力预测中精度不足及收敛速度慢的问题,引入量子神经网络并构建道路交通能力预测模型.通过对以往数据的发展变化趋势进行分析建立现有数据与时间之间的对应关系,然后再利用这组数据,最后对预测的结果进行分析,预测结果表明:该预测模型能够较好地适应道路交通运输能力数据的特性,且预测精度和收敛速度较改进BP神经网络有显著提高。     

Hopfield网络求解TSP的算法改进

本文在对Hopfield神经网络求解旅行商(TSP)问题的算法进行研究的基础上结合实例针对典型改进算法的优缺点作了进一步探讨。     

一种基于Hopfield网络的异常检测方法

目前的入侵检测系统缺乏从先前所观察到的进攻进行概括并检测已知攻击的细微变化的能力。本文描述了一种基于最小二乘估计（LS）模型的入侵检测算法，该算法利用神经网络的特点，具有从先前观测到的行为追行概括进而判断将来可能发生的行为的能力。本文在前人工作的基础上提出了一种在异常检测中用反馈神经网络构建程序行为的特征轮廓的思想，给出了神经网络算法的选择和应用神经网络的设计方案。实验表明在异常检测中用反馈神经网络构建程序行为的特征轮廓，能够大大提高检测系统对偶然事件和入侵变异的自适应性和异常检测的速度。     

基于不变矩和神经网络的交通标志识别方法研究

在交通标志实时识别过程中，由于参考图像与实测图像不是同时获取的，因此摄像机与被摄交通标志之间的位置难以保证完全相同。于是，所获取的参考交通标志图像与实测交通标志图像之间就可能产生几何失真。几何失真将对于图像识别的结果带来很大的影响。因此，需要寻找一种具有旋转和比例不变性的图像识别方法，以满足实际应用中的需要。针对上述问题，提出了一种基于不变矩和神经网络的交通标志识别算法。实验结果表明，所提出的识别算法具有很好的识别能力。     

一种人工神经网络算法在汽车防撞雷达中的应用

将人工神经网络的方法用于汽车防撞雷达中的信号处理,该方法基于自相关矩阵分解,通过对Hopfield神经网络能量函数变换,将分解问题转化为一个简单的迭代问题来求解。该方法可用来替代传统的FFT方法,以实现对目标距离的超分辨提取。通过计算机仿真和硬件系统的实际测试研究了它的性能,并与AR算法、MUSIC算法进行了比较,结果表明该方法具有更好的信噪比和分辨性能。     

基于BP人工神经网络的胆固醇含量诊断系统

临床研究已证明,血清总胆固醇水平增高是导致冠心病的独立危险因素.血清总胆固醇越高,发生动脉粥样硬化的风险越大,时间也越早.血清总胆固醇每降低1%,发生冠心病的危险性可减少2%.目前一般采用从血样的光谱组成得到血清的胆固醇含量级别.本文使用BP人工神经网络的算法,对几百例血清样本数据进行了训练、确证与测试,结果表明:该方法对胆固醇含量级别HDL、LDL和VLDL的分析取得了较为理想的效果.     

解Job-shop调度问题的神经网络方法

研究用神经网络方法解决Job-shop调度问题.首先描述解Job-shop调度问题的算法,然后给出这一算法及其网络性质的理论结果.仿真实验结果证明了该方法是可行的.最后,针对几类典型调度问题的解决进一步说明了这一方法的优势.     

基于广义回归网络的动态权重回归型神经网络集成方法研究

神经网络集成技术能有效地提高神经网络的预测精度和泛化能力,已成为机器学习和神经计算领域的一个研究热点。针对回归分析问题提出了一种动态确定结果合成权重的神经网络集成构造方法,在训练出个体神经网络之后,根据各个体网络在输入空间上对训练样本的预测误差,应用广义回归网络来动态地确定各个体网络在特定输入空间上的权重。实验结果表明,与传统的简单平均和加权平均方法相比,本集成方法能取得更好的预测精度。     

求解运输问题的GAPSO算法

运输问题是一个应用非常广泛的问题,传统方法对于大规模的运输问题求解比较复杂,而一些基于随机搜索算法的方法对于其约束条件的处理又比较困难.基于运输问题约束条件的特殊性,设计了一种产生可行解的方法,将对约束条件的处理转化到了算法设计之中.在此基础上,又设计了基于遗传算法和粒子群优化算法的求解运输问题的GAPSO算法,为避开对非可行解的处理,该算法对迭代过程也进行了特殊设计,从而简化了运用随机搜索算法解决运输问题的过程.最后给出了三个实例验证,通过对验证结果分析和比较,说明该算法在时间复杂度和收敛性方面都具有其优良性,是行之有效的.     

卷积神经网络在心电逆问题中的应用

基于横跨膜电位分布的心电逆问题研究,即从身体表面电位无创重建心脏跨膜电位,可视为一种多输入多输出的回归问题（亦即多个体表电位分布输入重构多个心脏跨膜电位分布输出）,而基于数据驱动的机器学习模型是解决回归问题的一种有效手段。通过使用深度卷动神经网络（CNN）构建深度学习模型,使用Caffe框架训练神经网络;此外,基于真实的心脏模型,使用ECGSim软件仿真了肯特束综合症心室激活情况的数据,用于训练和测试回归模型。实验结果表明,与极限学习机（ELM）和核化的极限学习机相比,CNN方法在心脏跨膜电位重构方面有更高的精度和泛化性能。