一种基于退火策略的混沌神经网络优化算法

Ｈｏｐｆｉｅｌｄ网络（ＨＮＮ）中引入混沌机制,首先在混沌动态下粗搜索,并利用退火策略控制混沌动态退出和逆分贫出现,进而ＨＮＮ梯度优化搜索,提出了一种具有随机性和确定性并存的优化算法,对经典旅行商（ＴＳＰ）的研究,表明算法具有很强的克服陷入局部极小能力,较大程度提高了优化、时间和对初值的鲁棒性能,同时给出了模型参数对性能影响的一些结论。     

并行程序的优化与性能评价

文中讨论了并行程序的优化问题,指出并行程序的优化应从数据划分、通信优化和串行优化三个方面着手。针对传统加速比的缺点和不足,我们提出了优化加速比模型来评价优化并行程序的性能;对ＮＡＳ基准测试程序ＭＧ和ＦＴ进行了优化,用优化加速比模型分析了上述两个程序在ＩＢＭ ＳＰ２上的性能。     

基于神经网络的一种概率谱特征提取方法

表达了一种概率谱特征提取方法、并行、自组织、分层神经网络（ＰＳＨＮＮ）在训练是在缩文尚未对输入矢量产生最佳分类、可提高精确率。     

基于TS模型的一类模糊控制器设计

本文基于 Ｔ Ｓ模型,提出了一类模糊 Ｐ Ｉ Ｄ（ Ｔ Ｓ－ Ｐ Ｉ Ｄ）控制器的设计。这类模糊 Ｐ Ｉ Ｄ控制器前件采用模糊推理,后件采用 Ｐ Ｉ Ｄ算法,是一种真正意义下的复合控制器,具有较强的应用潜力。仿真结果表明了这类模糊 Ｐ Ｉ Ｄ控制器的优越性。     

DWMT系统在TMS320C80上的仿真实现

基于小波变换的离散多音传输系统（ＤＷＭＴ系统）是一种抗干扰能力强的高效数据传输系统,其主要在两种实现方案：（１）基于通用可编程ＤＳＰ芯片的软件实现方案;（２）基于通用ＤＳＰ芯片和专用ＶＬＳＩ芯片的软硬件结合方案。本文在分析了ＤＷＭＴ系统的实实现结构、运算量以及滤波器优化方法等基础上,利用ＴＭＳ３２０Ｃ８０软件开发系统对基于通用ＤＳＰ的软件实现方案进行了仿真,并且详细地介绍了该方案的软件流程以及一些     

分布式服务拒绝攻击的原理及防范措施

本文分析了网络黑客的新型攻击方法－分布式服务拒绝（ＤＤｏＳ）－的原理,指出ＤＤｏＳ攻击主要利用了ＴＣＰ／ＩＰ协议的一些安全漏洞。针对ＤＤｏＳ的特点,本文提出了若干积极防范措施,可较有效地防止黑客的攻击。     

优化H_∞－范数的新技术与鲁棒设计

本文提出了一种全新的Ｈ∞－优化方法：梯度方法．这种优化方法非常灵活，适用范围极广，可用于对系统矩阵中的一般参数进行优化选择，可将Ｈ∞－范数与其它范数加权，构成复合的目标函数，还可处理极点配置等限制条件下的Ｈ∞－优化问题．梯度方法的主要思想就是通过与Ｈ∞－范数直接相关的Ｈａｍｉｌｔｏｎ矩阵定义目标函数Ｐ（ε，Ｐ），具有ｌｉｍＰ（ε，Ｐ）＝１／（Ｓ，Ｐ）∞．其中Ｐ可为系统矩阵中的任何可变参数．ｐ（ε，ｐ）对ｐ的导数可以求出，因而可用梯度方法极大化ｐ（ε，ｐ），从而极小化Ｔ（Ｓ，ｐ）∞本文用此方法对结构式不确定系统进行鲁棒设计，并带有极点配置的约束．实例显示，梯度方法的效果很好．     

频移算法定点DSP实现的程序设计

频移处理是数学语音（音乐）信号处理中一项十分重要的技术。本文根据定点ＤＳＰ与浮点ＤＳＰ之间数值格式的不同,研究了基于ＴＭＳ３２０Ｃ５０定点ＤＳＰ的频移算法实时实现的程序设计方法。     

一种多光谱和SAR遥感图象的配准方法

针对现有配准方法在用于多光谱图象与ＳＡＲ遥感图象配准时,存在受ＳＡＲ图象斑纹噪声影响大,手工选取配准控制点（ＲＣＰ）精度低,利用图象景物特征配准时获取区域和边沿困难等缺点,以Ｌａｎｄｓａｔ ＴＭ图象与ＪＥＲＳ－１ ＳＡＲ图象配准为例,提出了一种利用分类图象形成的二值图象相关寻求配准控制点,并应用表面样条插值以提高ＲＣＰ精度的多光谱与ＳＡＲ感图象配准方法。由于在ＳＡＲ图象分类中利用了斑纹噪声的纹理特     

一种基于免疫原理的遗传算法

本文提出了一种免疫遗传算法（Ｉｍｍｕｎｅ Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ,简称ＩＧＡ）。免疫遗传算法是根据生物的免疫原理提出的一种改进遗传算法法,该算法主要体现了生物免疫机制中的抗原识别、抗原记忆和抗体的抑制、促进,并结合货郎担（ＴＳＰ）优化问题介绍了具体实现方法,实验结果表明该免疫遗传算法有较好的性能。     

TSP问题的瞬态混沌神经网络算法

采用具有瞬态混沌特性的神经网络(TCNN)解TSP问题。利用神经元的自抑制反馈产生混沌动态，其遍历性能和随机搜索性能有效地克服了Hopfield神经网络(HNN)极易陷入局部极小的缺陷，同时利用一时变参数控制混沌行为，使网络再经过一个短暂的倍周期倒分岔后逐渐趋于一般的Hopfield神经网络，从而收敛到一个最优或近似最优的稳定平衡点。仿真结果表明，TCNN比HNN具有更强的全局寻优能力和更高的搜索效率。     

Chaotic simulated annealing with decaying chaotic noise

By adding chaotic noise to each neuron of the discrete-time continuous-output Hopfield neural network (HNN) and gradually reducing the noise, a chaotic neural network is proposed so that it is initially chaotic but eventually convergent, and, thus, has richer and more flexible dynamics compared to the HNN. The proposed network is applied to the traveling salesman problem (TSP) and that results are highly satisfactory. That is, the transient chaos enables the network to escape from local energy minima and to find global minima in 100% of the simulations for four-city and ten-city TSPs, as well as near-optimal solutions in most of runs for a 48-city TSP.     

基于退火策略的混沌神经网络及其在TSP中的应用

本文主要研究混沌模拟退火神经网络（CSAN）在求解TSP中的应用。我们采用了四种GSAN模型，分别将它们对15、20、50个城市的TSP求解结果比较，并研究其模型参数的设置对TSP优化解的影响。仿真结果表明，CSAN比HNN具有更丰富和更为灵活的动力学特性，从而具有更强的搜索全局最优解或近似全局最优解的能力。     

一种基于免疫和Hopfield神经网络的多峰值优化算法

分析了免疫算法和Hopfield神经网络的优缺点，提出了一种解决多峰值函数优化问题的混合算法。Hopfield神经网络易于硬件实现，具有简单、快速的优点，但是对初始值具有依赖性以及容易陷入局部极值。免疫算法具有识别多样性的特点，但搜索效率和精度不高。将两算法结合起来，优势互补。首先用免疫算法寻优，然后对所得具有全局多样性的解进行聚类分析，所得聚类中心作为Hopfield神经网络的初始搜索点，最后利用Hopfield神经网络逐个寻优。实验表明，该算法是一种有效的求解多峰函数优化问题的方法，与免疫算法相比，搜索效率和精度都较高。     

脉冲Hopfield神经网络的鲁棒H-稳定性及其脉冲控制器设计

研究了脉冲Hopfield神经网络在Hopfield意义下的鲁棒稳定性. 通过应用Lyapunov函数法和Riccati不等式方法, 得到了脉冲Hopfield神经网络鲁棒稳定和鲁棒渐近稳定的充分条件, 在此基础上, 设计出了易于实施的脉冲控制器来镇定Hopfield神经网络. 最后, 给出了例子.     

动态未知环境下一种Hopfield神经网络路径规划方法

针对动态未知环境下移动机器人路径规划问题,采用一种有效的局部连接Hopfiled神经网络(Hopfield Neural Networks,HNN)来表示机器人的工作空间.机器人在HNN所形成的动态数值势场上进行爬山搜索法来形成避碰路径,并且不存在非期望的局部吸引点.HNN权值设计中考虑了路径安全性因素,通过在障碍物附件形成局部虚拟排斥力来形成安全路径.HNN的连接权是非对称的,并且考虑了信号传播时延.分析了HNN的稳定性,所给稳定性条件和时延无关.HNN模型中突出了最大传播激励,从而使得HNN具有更广的稳定性范围并能表示具有更多节点的机器人工作空间.为对该HNN有效仿真求解,结合约束距离变换和HNN的时延性,给出了单处理器上高效的串行模拟方案,规划路径的时间复杂度为O(N)(N是HNN中神经元的数目),使得路径重规划能快速在线进行.仿真和实验表明该方法的有效性.     

A modified Hopfield neural networks model for graphs-based kinematic structure design

Graph theory can be used efficiently for both kinematic and dynamics analysis of mechanical structures. One of the most important and difficult issues in graphs theory-based structures design is graphs isomorphism discernment. The problem is vital for graph theory-based kinematic structures enumeration, which is known to be nondeterministic polynomial-complete problem. To solve the problem, a Hopfield neural networks (HNN) model is presented and some operators are improved to prevent premature convergence. By comparing with genetic algorithm, the computation times of the HNN model shows less affection when the number of nodes were enhanced. It is concluded that the algorithm presented in this paper is efficient for large-scale graphs isomorphism problem.     

基于Hopfield神经网络的FLIR图像分割

针对前视红外(FLIR)图像的分割,在基于模型的FLIR图像分割算法所提出的全 局准则函数及初始概率确定方法的基础上.建立了与之相对应的Hopfield网络的能量函数 及网络的初始状态,当网络运行达到稳定状态后,便可获得图像的分割结果.分析了能量函数 中,目标函数与约束条件的加权系数对分割结果的影响,并根据分割结果的非模糊性准则,提 出了一个确定加权系数的、简单有效的方法.给出了针对真实红外目标图像的分割结果.     

Mutation Hopfield neural network and its applications

In this paper, a new operator is proposed to optimize the traditional Hopfield neural network (HNN). The key idea is to incorporate the global search capability of the Estimation of Distribution Algorithms (EDAs) into the HNN, which typically has a powerful local search capability and fast operation. On account of this property of the EDA, our proposed algorithm also exhibits a powerful global search capability. In addition, the possible infeasible solutions generated during the re-sampling period of the EDA are eliminated by the HNN. Therefore, the merits of both these methods are combined in a unified framework. The proposed model is tested on a numerical example, the max-cut problem. The new and optimized model yielded a better performance than certain traditional intelligent optimization methods, such as HNN, genetic algorithm (GA). The proposed mutation Hopfield neural network (MHNN) is also used to solve a practical problem, aircraft landing scheduling (ALS). Compared with first-come-first-served sequence, MHNN sequence reduces both total landing time and total delay.