基于直觉认知模型的创新设计方法

通过建模直觉生成过程并应用于创新设计,提供了实现智能设计的一种新方法。首先,对产品功能、结构等设计因素进行基因表示,进而改进Hopfield神经网络用于实现联想记忆,从而建立了直觉生成的认知模型和计算模型;然后,引入环境特征来拓展设计空间,并结合杂交与变易创新运算方法,给出了基于直觉生成模型的创新设计计算过程;最后,通过桌子自动造型设计对该方法进行了应用验证。     

机械优化设计的 Hopfield 神经网络算法

迄今为止,Ｈｏｐｆｉｅｌｄ网络主要应用于线性规划、组合优化等问题的求解,在机械优化设计领域的应用尚不多见。本文阐述了Ｈｏｐｆｉｅｌｄ网络求解机械优化问题的基本原理,探讨了其在机械约束优化问题求解中的适用性。计算实例表明,Ｈｏｐｆｉｅｌｄ网络应用于机械优化设计领域是有效的,特别适合于大规模复杂机械系统优化问题的求解。     

用Hopfield神经网络实现触觉图像恢复

通过对安装于机器人手爪上的阵列触觉传感器所采集到的触觉图像的分析,提出了用Hopfield神经网络实现触觉图像恢复的技术.Hopfield神经网络把触觉图像的每一个像素作为一个处理单元(神经元),像素之间的关系即神经元之间的权值作为储存单元.首先利用Hebb规则计算权值矩阵,用以存储所有样本的标准模式,然后利用网络的联想记忆能力恢复被抓物体的触觉图像.实验结果表明,该方法能达到很好的触觉图像恢复和识别效果.     

基于神经网络的Job-Shop类调度问题

提出了将Hopfield神经网络与模拟退火相结合以求解Job-Shop类调度问题的算法.该算法给出了Job-Shop类调度问题的约束条件,并且直接把问题的各种约束条件表示为Hopfield神经网络的能量函数项.为避免Hopfield神经网络容易收敛到局部极小解而产生非法调度解的缺点,将模拟退火算法应用于Hopfield神经网络求解,使Hopfield神经网络收敛到能量函数的全局最优解,从而保证神经网络输出是一个可行的调度方案.通过仿真实例验证了该算法的可行性.     

Do whatever works: A robust approach to fault-tolerant autonomous control

This paper describes a highly distributed fault-tolerant control system capable of compensating for deficiencies in system-level performance even when the cause of a fault cannot be explicitly identified. Developed for an autonomous underwater vehicle that must remain operational for several weeks without human intervention, this system must be capable of dealing with events that cannot be anticipated at design time. A unique aspect of this system is that it handles such events by attempting to do whatever works if it is unable to diagnose and correct specific faults. The software architecture used in this approach is applicable to a wide range of complex autonomous control applications.     

延迟离散Hopfield网络的动态特征分析

神经网络的稳定性被认为是神经网络各种应用的基础．主要利用网络的状态转移方程和能量函数来研究带有延迟项的离散Hopfield神经网络动力学行为．给出了延迟离散Hopfield神经网络收敛于周期小于等于2的极限环的一些充分条件．给出了延迟网络收敛于周期为2和4的特殊极限环的一些充分条件．同时，得到了网络不存在任何稳定点的一些必要条件．所获结果不仅推广了一些已有的结论，而且为网络的应用提供了一定的理论基础．     

带有时滞的随机区间Hopfield神经网络的指数稳定性

讨论了带有可变时滞的随机区间Hopfield神经网络的指数稳定性, 利用It^o公式和Lyapunov函数, 得到了几个关于其指数稳定时滞无关和时滞相关的充分性条件, 推广了现有文献中关于定常时滞随机神经网络及其确定形式的许多结果.     

用改进的竞争Hopfieid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。     

基于堆栈滤波器和Hopfield神经网络的边界检测法

提出了一种基于堆栈滤波器和Ｈｏｐｆｉｅｌｄ神经网络的边界检测法,采用较小滤波窗口的堆栈滤波器优化估计的图象象素点之间的灰度梯度,再根据这些灰度梯度的优化估计值计算及确定Ｈｏｐｆｉｅｌｄ神经网络的权重矢量,Ｈｏｐｆｉｅｌｄ神经网络收剑时输出图象的边界。相对于基于堆栈滤波器边界检测法,该方法对堆栈滤波器的优化训练速度大大提高,所需内存大为减少,而相对于基于Ｈｏｐｆｉｅｌｄ神经网络的边界检测法,该方法又     

基于Hopfield 神经网络的污水处理过程优化控制

针对前置反硝化污水处理过程的优化控制问题,提出一种基于拉格朗日乘子法的Hofield神经网络优化方法.构造了污水处理过程约束优化问题的数学表达式,通过Hopfield神经网络优化计算生化池第5分区溶解氧浓度和第2分区硝态氮浓度的设定值,并采用PID控制器实现底层的跟踪控制.基于国际标准的Benchmark基准仿真平台进行仿真实验,结果表明污水处理系统在出水关键水质达标的基础上,能够显著降低能耗.