一维温度场的神经网络实现方法

直接从汽轮机转子的一维热传导方程出发，研究了汽轮机转子径向上的危险截面的一维温度场与Hopfield神经网络的相似机理，提出了应用连续Hopfield神经网络实现转子一维温度场的实时监测方法。通过传真可以看出，此种方法测量速度快，测量精度高，转子热时间常数与Hopfield神经网络的电时间常数近似相等，Hopfield神经网络模拟测量结果与转子的温度变化规律较一致。     

渗透系数反演的CHNN模型方法

利用连续型Hopfield神经网络 (ContinuousHopfieldNeuralNetwork ,简称CHNN)的反馈特性 ,结合实测资料和数值计算 ,构建了岩土体渗透系数的人工神经网络反演模型 ,通过网络神经元状态的变迁而最终稳定于平衡状态 ,从而得到渗透系数反演优化计算的结果。经实例验证 ,效果较好。     

基于Hopfield神经网络的盲均衡算法

基于Hopfield神经网络的盲均衡算法是把发送信号盲恢复问题转换为求解带整数约束的二次规划问题,再利用hopfield网络来求解这个NP难的组合优化问题,从而直接恢复出信号。Hopfield神经网络分为两种,一种是连续空间的hopfleld神经网络,一种是离散空间的hopfield网络,文章介绍怎样用这两种方法对含公零点信道上发送的信号进行准确地恢复,基于Hopfield神经网络的盲均衡算法收敛速度快,性能明显优于其它经典算法。     

Global robust stability of interval delayed neural networks: Modified approach

A criterion for the global robust stability of Hopfield‐type delayed neural networks with the intervalized network parameters is presented. The criterion, which is derived by utilizing the idea of splitting the given interval into two intervals, is in the form of linear matrix inequality and, hence, computationally tractable. The criterion yields a less conservative condition compared with many recently reported criteria, as is demonstrated with an example. Copyright © 2008 John Wiley & Sons, Ltd.     

Hopfield神经网络算法求解路网最优路径

为了解决经典算法在求解大规模路网最优路径时运算时间长的问题,研究了Hopfield神经网络的特点,建立了一般路网的数学模型,根据Hopfield神经网络的特点设计了适合车辆诱导的路网Hopfield神经网络最优路径算法.采用动态邻接矩阵对该算法进行了优化,减少了运算时间.把该Hopfield神经网络算法应用于所研发的车辆诱导系统的最优路径求解中,并进行了实际路网测试,结果表明应用该算法能够正确求解路网的最优路径,且比经典算法的运算效率高.     

基于神经网络的不规则件排样技术

提出一种利用人工神经网络求解不规则件排样问题的方法。对于二维不规则零件在排样区域上的优化排列,采用自组织特征映射模型(SOM)和Hopfield人工神经网络相结合的方法,寻找排样件在排样时的最优位置及各自的旋转角度,实现了二维不规则件自动排样,得到满意的优化排样结果,实例证明了该算法的有效性和实用性。     

基于Hopfield神经网络的单级直齿圆柱齿轮减速器优化设计

提出了应用Hopfield神经网络优化原理对圆柱齿轮结构尺寸进行优化设计的方法.算例结果表明,此优化方法效果显著,较其他优化方法提高了优化程度和稳定性,是解决有约束、非线性优化问题的有效方法.     

基于CHNN聚类算法的款式部件生成模型

对智能化服装款式设计系统中的款式部件的自动获取功能进行了研究.采用基于连续Hopfield神经网络(CHNN)的聚类算法提出了一个款式部件的风格生成模型.提取表现部件造型特征的特征要素构造一个空间点集,利用CHNN网络对该点集进行聚类,分析部件类别与款式设计风格之间的关系,建立基于款式风格设计的部件搭配规则.并将该模型应用于款式的衣片部件上,实现了衣片部件的聚类.实验结果表明,该模型设计合理,分类清晰,具有可扩展性.     

智能算法求解TSP问题的比较

目前TSP问题的求解方法不仅种类繁多,而且模型迥异。集中讨论求解TSP问题的智能算法,将其分为进化算法、Hopfield神经网络和自组织映射3类,对每类方法进行了原理研究、性能分析和优缺点比较。最后通过不同规模的实验进行验证,发现进化算法与局部搜索的组合求解TSP性能最好。今后的研究将集中在如何寻找更优的局部搜索。     

渗透系数反演的CHNN模型方法

利用连续型Hopfield神经网络(Continuous Hopfield Neural Network,简称CHNN)的反馈特性,结合实测资料和数值计算,构建了岩土体渗透系数的人工神经网络反演模型,通过网络神经元状态的变迁而最终稳定于平衡状态,从而得到渗透系数反演优化计算的结果。经实例验证,效果较好。