Hopfield人工神经网络在工程优化中的应用

本文对Ｈｏｐｆｉｅｌｄ人工神经网络基本电路模型进行了分析。在此基础上提出了用Ｈｏｐｆｉｅｌｄ模型解决工程优化中的设计问题。给出了Ｈｏｐｆｉｅｌｄ人工神经网络在工程优化中的应用实例。结果表明：Ｈｏｐｆｉｅｌｄ人工神经网络是解决最优化问题的有效途径。     

神经网络在组合优化问题中的应用

目的 研究神经网络在组合最优化问题中的应用。方法 通过讨论Ｈｏｐｆｉｅｌｄ神经网络模型,建立最优化问题的计算能量函数。结果和结论 给出组合数字中八皇后问题的计算能量函数,使八皇后问题的解对应计算能量函数的最小值,并用Ｃ语言进行计机模拟,得到其全部解。     

状变动态选路的神经网络算法

吸收一些电路交换网动态选路算法的优点,提出了基于神经网络Ｈｏｐｆｉｅｌｄ模型的状变突时选路算法。该模型全面集成了网管中心监控的话务数据,网路状态和电路保留策略,在对中继线群阻塞概率矩期预测的基础上优化全网动态路由。模型的设计尽量接实际,又充分考虑硬件的可实现性。     

基于Hopfield—Tank模型的快速神经网络方法

分析了Ｈｏｐｆｉｅｌｄ－Ｔａｎｋ模型在收敛性，稳健性，优化率以及计算速度方面存在的问题，根据外部惩罚函数法的基本思想提出了一种新的基于Ｈｏｐｆｉｅｌｄ－Ｔａｎｋ模型的快速神经网络方法。对ＴＳＰ的能量函数进行了改进，并对我国３１个城市的ＴＳＰ进行了软件模拟，得出了１５６４０ｋｍ的最短短径，在收敛性，稳健性，优化率以及计算速度方面的结果都十分满意。     

改进的Hopfield网络及汉字识别

针对Ｈｏｐｆｉｅｌｄ网络的局限性，本文提出了对Ｈｏｐｆｉｅｌｄ模型及联想记忆算法的改进；（１）发迹其权对称性（２）引入反传学习算法（３）为避免在学习过程中出现振荡，引入基本反传值，并作了理论上的分析，运用改进的Ｈｏｐｆｉｅｌｄ网络进行相近的汉字识别，取得了较好效果。     

动态系统参数估计的一种新方法

分析了利用Ｈｏｐｆｉｅｌｄ神经网络进行系统参数估计的基本原理，把参数估计问题转化为Ｈｏｐｆｉｅｌｄ网络的能量函数的最小化问题，当能量函数达到最小值时，Ｈｏｐｆｉｅｌｄ网络的输出即为待估计的参数值，仿真实验证明了该方法的有效性。     

基于Hopfield神经网络的A／D转换器

本文分析了基于Ｈｏｐｆｉｅｌｄ神经网络的Ａ／Ｄ转换器原理，并通过对电路方程及转换条件的分析，得出了输出正确状态时参考输入应满足的条件。     

具有一类不可导多元约束函数的非线性规划神经网络模型

水资源系统中存在一类具有不可导但连续单调递增约束函数的非线性规划问题，针对这类约束函数为一元函数的非线性规划问题建立了基于Ｈｏｐｆｉｅｌｄ连续模型的人工神经网络模型，将神经网络模型扩展到这类约束函数含有多元变量的民一的模型的有效性。     

HybridLT算法的改进及其性命性分析

ＨｙｂｒｉｄＬＴ法是一种解决组合优化问题的新方法，与现存的Ｈｏｐｆｉｅｌｄ网络比较，这种方法有几个优点：它不仅能用于二次函数，还能用于非二次函数；另外，在控制人为的加权参数时，它减少了对外部的依赖，文中对原算法进行了改进，使其能更快找到的最优点，并且对迭代帮了收敛性分析，给出了收敛的必要条件和充分条件，从而说明ＨｙｂｒｉｄＬＴ方法是可行的，是一种适用于很多类型组合优化问题的有效方法。     

通有连续时间神经网络的稳定性

研究通有连续时间神经网络的稳定性问题，利用常数交易法、Ｌｉａｐｕｎｏｖ函数法结合不等式分析技巧，获得了通有连续时间神经网络的平衡点是全局ｋ－指数稳定和全局渐近稳定的判别准则。作为特例，也得到了Ｈｏｐｆｉｅｌｄ模型和线性互连模型神经网络的相应稳定性。     

图象重建的神经网络法

以平行射束扫描的Ｘ射线ＣＴ为例,提出一种运用Ｈｏｐｆｉｅｌｄ人工神经元网络实现从投影中重建图象的方法,首先将图象重建问题转化为最小范数准则下的优化问题,然后构造相应的Ｈｏｐｆｉｅｌｄ神经网络模型,网络的稳态解,即为重建问题的解,计算机模拟实验结果证明了方法的正确性。     

关于非对称Hopfield神经网络的稳定性

根据矩阵特征值分布范围，讨论了连续时间Ｈｏｐｆｉｅｌｄ神经网络模型的渐近稳定性，给出了目前最优的结果，这对于实际网络设计有重要的指导作用。     

Ｌｉ Ｈｏｐｆｉｅｌｄ神经网络用于汉字字符识别

提出了一种Ｌｉ Ｈｏｐｆｉｅｌｄ网络,解决了Ｈｏｐｆｉｅｌｄ神经网络能量函数存在积分项、振荡收敛、计算复杂等问题,并继承了Ｈｏｐｆｉｅｌｄ网络的结构与Ｌｉ网络的优点．同时发现基于部首拆分的汉字字符识别可以忽视甚至利用该网络的虚假稳定点,从而使样本存储量降为传统Ｈｏｐｆｉｅｌｄ网络的１４４％,表明该算法有效且快速．     

Hopfield神经网络k—全局稳定性

研究了Ｈｏｐｆｉｅｌｄ神经网络的ｋ－全局稳定性，利用常数变易法和不等式分析技巧，给出了Ｈｏｐｆｉｅｌｄ神经网络的ｋ－全局指数稳定的充分条件。     

神经网络模型的研究

模型研究是神经网络研究的主要内容之一。讨论了其中有代表性的Ｈｏｐｆｉｅｌｄ网络、多层感知器、Ｂｏｌｔｚｍａｎｎ机和Ｋｏｈｏｎｅｎ自组织网络，分别给出了这些网络模型的结构和学习算法，并分析了它们的特点及应用。     

具有一类不可导多元约束函数的非线性规划神经网络模型

水资源系统中存在一类具有不可导但连续单调递增约束函数的非线性规划问题,针对这类约束函数为一元函数的非线性规划问题建立了基于Ｈｏｐｆｉｅｌｄ 连续模型的人工神经网络模型［１］ ,将神经网络模型扩展到这类约束函数含有多元变量的情况,仿真结果表明了扩展后的模型的有效性．     

一种全并行神经网络参数辨识方法

针对在线参数辨识计算工作量大，造成难以实时给出参数估值的问题，利用Ｈｏｐｆｉｅｌｄ型网络的快速优化计算能力，通过对Ｈｏｐｆｉｅｌｄ网络改进，推出了一种全并行递推神经网络参数辨识方法，使计算量较传统的参数辨识方法大大减小。同时由于神经网络的互连作用，增强了辨识的鲁棒性，为实时给出参数估值提供了可靠的保障。     

基于神经网络的FMT伺服系统性能优化设计

应用人工神经网络理论,构造了对应于约束极值问题的神经网络系统的计算能量函数及其动力学方程的一般形式：以Ｈｏｐｆｉｅｌｄ神经网络为基础,构造了求解二次规划问题的神经网络模型：利用该神经网络模型求解ＦＭＴ伺服系统性能优化问题,得出了满意的优化结果。     

基于神经网络的组合电路测试生成算法

介绍了一种基于神经网络的组合电路测试生成算法。该算法不同于传统的方法是它既不需要回退也不需要故障传播的过程。利用Hopfield神经网络模型将组合电路表示成双向的神经网络，通过故障注入，建立被测电路的约束网络，并构造网络的能量函数，将组合电路的测试矢量对应于神经网络能量函数的最小值点，从而运用遗传算法求解能量函数的最小值点来求得测试矢量。在一些基准电路上的实验结果表明本算法具有较高的故障覆盖率和较短的测试时间。     

神经网络法电力系统状态估计

提出了一种神经网络（Ｈｏｐｆｉｅｌｄ连续ＡＮＮ）法求解电力系统状态估计问题的新方法。根据加权最小二乘原理导出的状态估计模型可计及各种伪量测量。采用ＡＮＮ神经计算，可实现并行分布处理。经数值实例计算，结果表明，该方法是有效的，而且精度高、数值稳定性好。