一种参数自适应的简化PCNN图像分割方法

为了进一步延伸脉冲耦合神经网络（Pulse coupled neural network,PCNN）在图像分割中的应用,本文对PCNN模型作了简化和改进,并探讨和分析了参数的设置方法.首先利用阈值和脉冲输出所对应的区域均值之间的关系,提出了一种优化连接系数的方法,使得模型最终以迭代的方式得到分割结果.在仿真和真实红外图像上实验结果表明,文中方法能取得较优的分割效果,且相比于常用的阈值方法以及较新的PCNN方法,文中的简化模型对噪声及复杂图像具有更好的适应性和鲁棒性.     

一种求解TSP问题的新型遗传算法

TSP问题是一个典型的NP问题,虽然传统遗传算法可以较好的解决此类问题,但是依然存在早熟、收敛速度慢,收敛精度不够等问题.本文分别在种群初始化、交叉、变异3个阶段对算法进行优化,通过多样式的初始化,交叉、变异方法较大的提升了算法的性能.实验结果表明,改进遗传算法在收敛精度和收敛速度上均优于传统遗传算法.     

一种基于PCNN的电力设备故障区域提取方法

针对红外自动监控电力设备是否存在故障问题,结合脉冲耦合神经网络(PCNN)同步点火特性,提出一种基于PCNN的红外图像感兴趣区域提取方法。首先针对原始的动态阈值振荡问题,采用神经元点火信息构建新的动态阈值,并建立连接系数与点火区域信息之间的内在关系,从而使得神经元自适应地发生点火。为了进一步确保每一次迭代中所捕获的神经元与点火区域的相似性,在模型框架内融合了一种聚类规则,进而有效更新动态阈值,并给出了停止迭代的方法。实验表明,该提取区域方法性能优于传统阈值、normalized cuts以及经典PCNN模型等方法。     

人工神经网络求解TSP问题新方法

本文在分析Hopfield/Tank方法的基础上提出一种新的人工神经网络方法,采用优化约束条件的能量函数,具有收敛速度快、不易陷入无效解、易获得亚优解等优点。     

一种求解TSP初始化种群问题的方法

为提升求解TSP问题的计算效率和求解精度,针对初始种群构造问题进行研究,提出了域内三角概率选择自适应邻域算法。为使邻域半径能够适应城市的分布情况,设计了一种基于Sigmoid函数的邻域半径自适应函数;为了避免在邻域内盲目随机地选择下一站城市,提出了在邻域内利用三角概率选择模型选择下一个城市。以自动化立体仓库安排出入库作业顺序优化作为TSP研究问题,通过Matlab仿真计算,将该算法和邻域法生成的初始种群进行对比分析,并分别用该算法和随机生成的初始种群作为遗传算法的初始种群进行计算。证明了该算法可快速生成高质量的初始种群,大大提升了求解TSP问题的计算效率和求解精度。     

一种基于PCNN的医学图像边缘提取方法*

边缘提取是图像处理的基础工作,如何精确、有效地提取边缘是图像处理领域相关学者讨论的热点问题,由此产生的各种边缘检测方法层出不穷并且得到了很好的应用,但这些方法都无法达到人眼识别物体边缘的精确程度。目前脉冲耦合神经网络（pulse coupled neural network, PCNN）是图像处理领域较为接近生物视觉进行图像处理的有力工具。改进基本的PCNN模型,提出了一种新的模拟生物视觉提取图像边缘的方法,该改进方法有效地利用了PCNN的特性。将该方法应用于医学图像的边缘提取,并与几种经典边缘检测算法、     

一种新的彩色图像增强方法

根据人眼视觉感知色彩的特性,提出了在HIS色彩空间上的一种基于脉冲耦合神经网络的彩色图像增强算法。该算法能够在平滑图像、突出图像边缘的同时,通过对亮度强度分量的非线性对数拉伸和对饱和度分量的非线性指数调整,改善了图像的视觉效果和图像色彩的真实效果。     

一种基于聚类技术的Hopfield网络求解TSP方法

Hopfiled神经网络方法已被广泛用于求解旅行商问题（TSP）,但对于解中规模和大规模的TSP,存在效果不理想甚至难以求解的问题。为了较好地解决这个问题,该文提出一种K-Means聚类算法与Hopfield网络方法相结合求解TSP的新方法,先应用聚类算法对所给城市进行聚类以获得几组规模较小的城市,然后对每一组城市应用Hopfield网络方法进行求解,最后把求解后的每组城市连接起来。计算机仿真结果表明,该方法可以获得最优有效解,并且解的质量明显提高,对求解中大规模的TSP比较有效。     

一种基于改进遗传算法的TSP问题求解方法

通过改进经典遗传算法的交叉算子和变异算子,提出了一种改进遗传算法。介绍了该算法的基本步骤及特点,并对TSP问题进行了仿真实验。实验结果表明改进算法有效地提高了算法的收敛速度与寻优质量,在解决TSP问题时表现出良好特性,与经典遗传算法相比具有明显优势。     

一种基于神经网络的可调整模糊系统模型

对基于人工神经网络的模糊系统进行研究,建立了一种可调整的模糊系统模型,并且在智能汽车控制器中得到了运用。通过神经网络对输入的经验值进行学习、调整来获得模糊系统控制的新参数。经计算机仿真,并与传统模糊控制模型相比较,小车绕开障碍的性能得到了明显的改善,是一种比较理想的模糊系统模型。     

一种自适应构造神经网络的新方法

目前,神经网络在很多学科领域中得到广泛的应用,但是有些问题至今仍未能获得令人满意的解决方法,如何确定合适的网络结构便是其一。该文根据生物神经元状态变化导致人脑空间结构和状态变化这一原理,提出了一种自适应构造神经网络的新方法。该方法在学习过程中根据性能指标下降幅度来决定增加或减少隐含层节点数,从而起到结构优化的作用。仿真结果表明,该方法是可行的、有效的,为神经网络结构优化提供了一种新方法。     

神经网络控制结构及所用神经网络

本文阐述了神经网络控制所能解决的控制难题,若干种控制结构及常用的动态神经网络。讨论了神经网络控制研究的重点,在实时控制中的物理可实现性及其发展等问题。     

Improved Global Robust Stability for Interval-Delayed Hopfield Neural Networks

A modified form of a recent criterion for the global robust stability of interval-delayed Hopfield neural networks is presented. The effectiveness of the modified criterion is demonstrated with the help of an example.     

Solving TSP by using Lotka–Volterra neural networks

This paper proposes a new approach to solve traveling salesman problem (TSP) by using a class of Lotka–Volterra neural networks (LVNN) with global inhibition. Some stability criteria that ensure the convergence of valid solutions are obtained. It is proved that an equilibrium state is stable if and only if it corresponds to a valid solution of the TSP. Thus, a valid solution can always be obtained whenever the network convergence to a stable state. A set of analytical conditions for optimal settings of LVNN is derived. Simulation results illustrate the theoretical analysis.     

神经网络求解偏微分方程的分布式算法

本文提出了一种人工神经网络(Artificial Neural Networks,即ANN)求解偏微分方程的分布式的算法。文章介绍了这种算法的必要性,以分布式的人工神经网络完成了对热传导方程的求解为例,验证了这种算法的可行性,并给出了不同条件下的实验结果。     

优化前馈神经网络模型结构的统计分析方法

利用统计分析学的方法对神经网络结构的优化问题进行研究,在神经网络模型输出节点的输出误差具有正态分析的假设下,推导出网络结构信息准则ＮＳＩＣ,并利用主成分分析方法确定了网络的初始结构。仿真结果表明了这一算法的有效性。     

一种新的基于构造型神经网络分类算法

该文提出一种基于构造型神经网络的最大密度覆盖分类算法,该算法直接从样本数据本身入手,通过引入一个密度估计函数对样本数据进行聚类分析,找出同类样本中具有最大密度的样本数据点,然后在特征空间里作超平面与球面相交,得到一个球面领域覆盖,从而将神经网络训练问题转化为点集覆盖问题．该算法有效地克服了传统神经网络训练时间长、学习复杂的问题,同时也考虑了神经网络规模的优化问题,实验证明了该算法的有效性．     

一种基于粗糙集理论的神经网络图像分割方法

神经网络用于分割图像时需要大量的训练数据,由于数据量大,计算速度相当慢。不适合实时数据处理。基于此,将粗糙集理论与神经网络相结合,提出基于粗糙集的神经网络图像分割方法。利用粗糙集理论中的约简的计算方法,从图像属性中获取精简的规则,根据这些规则构造神经网络各层的神经元个数,并根据粗糙集理论中的属性重要性来修正神经网络的权值。实验结果表明,该方法抗噪能力强,提高了精度,在大大缩短网络训练时间的同时改善了分割效果。满足图像处理的实时性要求。     

图同构问题的决策神经网络模型

图的同构问题是研究两个图之间相互关系范畴.这对图表面上似乎不同,但本质上完全相同.由于图的同构问题在以系统建模、电路布线等众多问题中有直接的应用,因而,吸引了不少的学者从事这方面的研究.该文意在建立一种局域连接的、模拟人脑决策思维模式的、可用于优化信息处理的神经网络模型.该文在过去建立求解图的同构问题人工神经网络模型的基础上,拟应用人脑决策局域化的思想,提出了一种新的用于图的同构问题的人工神经网络模型.该模型中增加了一个自然的约束条件,加快了运算速度.