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。     

高阶Hopfield神经网求解合取范式可满足性问题

本文提出用高阶Ｈｏｐｆｉｅｌｄ神经网络求解ＳＡＴ问题，给出了连续及离散高阶神经网络模型与相应的离散快速求解算法，证明了网络的稳定性，并用实验证明了该方法的可行性，且将该算法与Ｌｏｃａｌ Ｓｅａｒｃｈ算法进行了比较。     

基于极大极小准则的Hopfield联想记忆学习算法

基于联想记忆各记忆模式的吸收域之间的应保持大小平衡的思想，提出了设计Ｈｏｐｆｉｅｌｄ联想记忆网络的极大极小准则，即设计出的对称连接权阵应使得网络最小的记忆模式吸收域达到最大，首选提出了一种快速算法；再发展了一个启发性迭代学习算法，称为约束感知器学习算法，大量实验结果表明了本文学习算法的优越性。     

一种非线性优化的神经网络

本文提出了用人工神经网络求解具有约束条件的非线性优化问题的具体方法，分析了神经网络能量函数的构成形式，并在常规的Ｈｏｐｆｉｅｌｄ网络模型的基础上构造了一个非全局连接的神经网络动力学模型。这种修改的Ｈｏｐｆｉｅｌｄ网络克服了常规的Ｈｏｐｆｉｅｌｄ网络在求解非线性优化问题时权值不好映射的困难，具有结构清晰，易于软件模拟和硬件实现的优点。     

基于Hopfield神经网络的交叉线识别算法

提出了一种利用Ｈｏｐｆｉｅｌｄ神经网络进行交叉线识别的算法。在本算法中，一个含有交叉线的图象被映射到Ｈｏｐｆｉｅｌｄ神经网络之上，每一个象素与一个神经元相对应，神经元间的权重由其对应的象素间的关系（包括距离、斜率等）所决定。在Ｈｏｐｆｉｅｌｄ神经网络的收敛过程中，神经元的状态根据一定的规则不断地被调整直到收敛；同时随着神经元状态的确定，交叉线段也被识别出来。在实验模拟中，此算法显示了优越的性能。     

基于Hopfield网络的系统参数领域辨识方法

本文综合利用频谱分析技术和Ｈｏｐｆｉｅｌｄ网络的神经计算能力，提出一种基于Ｈｏｐｆｉｅｌｄ网络的系统参数频域辨识方法，并进行仿真验算，结果表明了方法实现的可行性及在克服噪声影响方面的有效性。     

人工神经网络固有的优点和缺点

本文较详细地分析了一般神经网络固有的优点和缺点，并对ＢＰ网络和Ｈｏｐｆｉｅｌｄ网特有的优点和缺点分别进行了阐述，最后，比较了用反馈神经网络和用启发式算法求解ＮＰ难的优化问题之各自利弊。     

下三角矩阵神经网络逻辑电路的设计

由于人工神经网络的卓越优点，为制造超高速，高可靠和可编程的数字集成电路提供了新途径，具有下三角形连接矩阵的Ｈｏｐｆｉｅｌｄ模型在同一输入下仅有唯一的平衡点。本文将讨论基于这种网络模型的组合逻辑电路的逻辑设计方法，以最小化神经元个数为目标的启发式优化算法及权电阻网络参数的计算方法。     

延迟离散Hopfield型神经网络异步收敛性

离散Ｈｏｐｆｉｅｌｄ型神经网络的一个重要性质是异步运动方式下总能收敛到稳定态。同步运行方式下总能收敛到周期不超过２的极限环,它是该模型可以用于联想记忆设计,组合设计计算的理论基础,文中给出了延迟离散Ｈｏｐｆｉｅｌｄ型网络的收敛性定理,在异步运动方式下,证明了对称连接权阵的收敛性定理,推广了已有的离散Ｈｏｐｆｉｅｌｄ型网络的收敛性结果,给出了能量函数极大值点与延迟离散Ｈｏｐｆｉｅｌｄ型网络的稳定态的     

神经网络算法的并行实现

本文针我们构造的并行神经计算机的特点，重点介绍了典型的神经网络算法ＢＰ、Ｈｏｐｆｉｅｌｄ在该系统上的实现方法。     

一种混沌Hopfiele网络及其在优化计算中的应用

文章讨论了神经网络算法在约束优化问题中的应用,提出了一种混沌神经网络模型。在Hopfield网络中引入混沌机制,首先在混沌动态下搜索,然后利用HNN梯度优化搜索。对非线性函数的优化问题仿真表明算法具有很强的克服陷入局部极小能力。     

一种混沌Hopfield网络及其在优化计算中的应用

文章讨论了神经网络算法在约束优化问题中的应用,提出了一种混沌神经网络模型。在Hopfield网络中引入混沌机制,首先在混沌动态下搜索,然后利用HNN梯度优化搜索。对非线性函数的优化问题仿真表明算法具有很强的克服陷入局部极小能力。     

基于Hopfield神经网络的作业车间生产调度方法

该文提出了基于Hopfield神经网络的作业车间生产调度的新方法.文中给出了作业车 间生产调度问题(JSP)的约束条件及其换位矩阵表示,提出了新的包括所有约束条件的计算能 量函数表达式,得到相应的作业车间调度问题的Hopfield神经网络结构与权值解析表达式,并 提出相应的Hopfield神经网络作业车间调度方法.为了避免Hopfield神经网络容易收敛到局部 极小,从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 神经网络收敛到计算能量函数的最小值0,从而保证神经网络输出是一个可行调度方案.该文 改进了已有文献中提出的作业调度问题的Hopfield神经网络方法,与已有算法相比,能够保证 神经网络稳态输出为可行的作业车间调度方案.     

随机需求多车辆路径问题的神经网络算法

目前国内外对随机需求多车辆路径问题的研究还很少,本文针对标准hopfield神经网络容易陷入局部极值点等问题,以总路程最短和总使用车辆数最少为目标,提出了一种基于退火策略的混沌神经网络的求解随机需求多车辆路径问题的算法,该算法既可以使混沌运动有足够长的进程以提高粗搜索性能,又可以随混沌动态的减弱使收敛速度加快。实验结果表明,该算法优化车辆路径更佳,是解决随机需求多车辆路径问题的有效方法。     

A hybrid hopfield network-simulated annealing approach for frequency assignment in satellite communications systems.

A hybrid Hopfield network-simulated annealing algorithm (HopSA) is presented for the frequency assignment problem (FAP) in satellite communications. The goal of this NP-complete problem is minimizing the cochannel interference between satellite communication systems by rearranging the frequency assignment, for the systems can accommodate the increasing demands. The HopSA algorithm consists of a fast digital Hopfield neural network which manages the problem constraints hybridized with a simulated annealing which improves the quality of the solutions obtained. We analyze the problem and its formulation, describing and discussing the HopSA algorithm and solving a set of benchmark problems. The results obtained are compared with other existing approaches in order to show the performance of the HopSA approach.     

一种Hopfield神经网络能量函数改进下的作业车间调度*

由于作业车间调度问题的目标函数目前还无法用换位矩阵的元素以数学公式的形式表示,因此无法保证求出全局最优解。文中首先对换位矩阵表示方法进行了改进,给出新的带有目标函数的能量函数表达式,然后提出改进的Hopfield神经网络作业车间调度方法,并将模拟退火应用于Hopfield神经网络求解,避免了陷入局部极值。仿真结果表明,该方法具有全局搜索能力,并能够保证神经网络的稳态输出为全局最优或近似全局最优。     

Optimization of stochastic networks using simulated annealing for the storage and recalling of compressed images using SOM

In this paper we are studying the optimization of Stochastic Hopfield neural network and the hybrid SOM–Hopfield neural network for the storage and recalling of fingerprint images. The feature extraction of these images has been performed using FFT, DWT and SOM. The feature vectors are stored in the Hopfield network with Hebbian learning and modified Pseudoinverse learning rules. The study explores the tolerance of Hopfield neural networks for reducing the effect of spurious minima in the recalling process by employing the Simulated annealing process. It is observed from the simulations that the capabilities of the Hopfield network can be sufficiently enhanced by making modifications in the feature extraction of the input data. DWT and SOM together can be used to significantly enhance the recall efficiency. The probability of error in recall in the form of spurious minima is minimized by adopting simulated annealing process in the pattern recalling process.     

基于神经网络量子算法的多用户检测器

利用遗传量子算法和Hopfield神经网络，提出了一种融合两种算法优点的神经网络量子算法，并将其应用到CDMA通信系统的多用户检测问题中。所提算法把神经网络嵌入到遗传量子算法的每一代中，可进一步提高量子种群的适应度函数值。通过混合神经网络到GQA中，还可加快GQA的收敛速度进而减少算法的计算复杂度。另外，GQA所提供的良好初值改善了HNN的性能，嵌入的HNN也提高了GQA的性能。仿真结果证明了该方法的抗多址干扰能力和抗远近效应能力都优于传统检测器和一些应用智能算法的多用户检测器。     

基于局部进化的Hopfield神经网络的优化计算方法

提出一种基于局部进化的Hopfield神经网络优化计算方法，该方法将遗传算法和Hopfield神经网络结合在一起，克服了Hopfield神经网络易收敛到局部最优值的缺点，以及遗传算法收敛速度慢的缺点。该方法首先由Hopfield神经网络进行状态方程的迭代计算降低网络能量，收敛后的Hopfield神经网络在局部范围内进行遗传算法寻优，以跳出可能的局部最优值陷阱，再由Hopfield神经网络进一步迭代优化。这种局部进化的Hopfield神经网络优化计算方法尤其适合于大规模的优化问题，对图像分割问题和规模较大的200城市旅行商问题的优化计算结果表明，其全局收敛率和收敛速度明显提高。     

基于Hopfield神经网络的盲检测数字水印

提出了一种基于Hopfield神经网络的盲检测数字水印算法。基于噪声可见函数实现了水印的自适应嵌入，利用Hopfield神经网络记忆宿主图像以及原始水印信息。在水印检测时，通过神经网络从嵌入水印的图像中联想出宿主图像和水印嵌入信息，再利用嵌水印图像和联想出的宿主图像提取出水印，实现了水印的盲检测。