基于人工智能方法的无源光网络优化规划

使用人工智能方法对PON网络拓扑结构进行优化,以富士通FPX－1000无源光网络系统为例进行了仿真实验,并对遗传算法,增添算法和Hopfield网络方法进行比较,仿真结果表明遗传算法明显优于增添算法和Hopfield网络方法,遗传算法可使网络建设代价最小化,它非常好地解决了PON规划问题。     

基于神经网络的降阶VLSI／WSI阵列重构算法

提出了一个基于Hopfield网络的可降阶VLSI／WSI阵列重构算法,根据阵列中缺陷单元分布的二分图模型,将问题映射为相应的神经网络,有效地解决了阵列的重构问题。实验结果表明,与启发式搜索方法相比,所提出的神经网络方法是一种快速、高效的方法。     

延迟离散Hopfield神经网络的动态行为

主要研究带有延迟项的离散Hopfield神经网络动态演化行为. 给出了延迟网络并行收敛于周期小于等于2的极限环的一些条件. 同时,得到了延迟网络收敛于周期为2的极限环的条件. 而且对所获结果通过例子进行了验证. 这些结果为延迟离散Hopfield神经网络的进一步分析和应用提供了一定的理论基础.     

STABILITY ANALYSIS OF ARTIFICIAL NEURAL NETWORKS UNDER RANDOM PERTURBATION

Based on the theory of stochastic differential equation,the stability of a kind ofcontinuous-time generalized Hopfield neural networks with white noise perturbation is studiedin the paper,and the related stability criteria and design requirements of neural networks areestablished.     

神经网络原理及其能量函数的构造

本文简要论述神经网络概念、原理及发展史,探讨神经网络中有关能量函数的构造方法和技巧。     

癌细胞显微图像分割与识别研究

文章采用竞争Hopfield神经网络的自动聚类分割方法从腹水脱落细胞显微图像中分割可疑细胞和可疑细胞核,提取癌细胞的15个形态特征,利用柔性BP神经网络分类器对腹水脱落癌细胞进行分类识别。通过对临床病例的检验分析,表明该方法能获得较高的诊断正确率。     

一种易于电路实现的鲁棒盲神经网络波束形成器

绝大多数通讯信号都具有周期平稳信号特性。利用信号的周期平稳特性可以进行真正的盲自适应波束形成,因而受到了广泛关注。鲁棒ＣＡＢ（Ｒ－ＣＡＢ）算法就是其中的一种,但其中涉及矩阵求逆,运算量很大。波束形成属于多维信号处理问题,阵列中阵元数的增加导致运算量成几何级数增加。文中提出了一种盲神经网络波束形成算法。由于神经网络具有网状计算结构的特点,故该方法不仅避免了矩阵求逆运算,同时更便于实时实现。该方法还利用对角加载技术,从而加快了收敛速度,保证了算法的鲁棒性。仿真实验表明其性能优越,易于电路实现     

广义插值多小波及其反馈神经网络构造

①给出了广义插值的概念，讨论了广义插值特性和正交性、紧支性、对称性之间的关系，建立了多尺度函数具有广义插值正交和广义插值对称的充要条件，结果表明它极大地克服了目前多小波取样定理研究领域存在的不足——基于插值特性的取样拒绝了众多性质优美的小波，也拒绝了信号处理愿望的对称性．②给出了满足给定优美性质的多小波的高效构造方法——Hopfidd反馈型神经网络法，与目前广为使用的利用Singular软件求Grobner基方法相比，该方法不仅极大地减少了时间复杂度，而且可以获得十分令人满意的结果．     

改进的无线传感网混沌Hopfield盲检测算法

在密集部署的无线传感器网络中,相邻传感器的信号可能高度相关。在无线传感网传输模型分簇的基础上,针对Hopfield神经网络极易陷入局部最优解、收敛速度慢等缺陷,利用混沌序列的遍历性和类随机性,提出一种改进的混沌Hopfield盲检测算法解决无线传感网簇内传感器信号盲检测问题。算法的思想是:利用混沌映射产生初始发送序列,并且在算法出现早熟收敛时进行小幅度的混沌扰动,借此降低算法的误码率。仿真结果表明,改进的混沌Hopfield神经网络算法所需数据量极短,从而成功实现簇内簇首传感器信号盲检测。     

基于神经网络的图象序列特征点匹配

利用神经网络优化技术解决图象序列的特征点匹配问题，将特征点匹配归结为一个带约束的优化问题，并用2D Hopfield网络实现，在Hopfield网络的能量函数的设计中，综合考虑了特征点的预测结果、特征点的遮挡等情况，从而克服了现有的多数方法所存在的误匹配现象，对于特征点的跟踪，头3帧图象的正确匹配是十分关键的。本文提出了一种3D Hopfield网络用以解决头3帧图象的特征点匹配，并提出了一个运动平滑性的代价函数用以构造3D Hopfield网络的能量函数，实际图象序列的实验结果证明了本方法的有效性。