动态Hopfield神经网络模型及学习算法

为了解决Ｈｏｆｉｅｌｄ神经网络对可变对象的学习问题，在「１」的基础上，建立了一动态Ｈｏｐｆｉｅｌｄ神经网络，及其学习方法，彻底解决了Ｈｏｐｆｉｅｌｄ神经网络的动态学习问题。     

基于自由分层的通道区布线算法

本文在分析线网之间关系的基础上提出了自由分层条件下的通道区布线模型:同层限制图 Gs,相交图 Gi。基于这一模型,分析了二层布线条件下对线网分层和布线序的基本限制,导出了分层的基本原则。在此基础上,分析了线网可 overlap 的性质和条件,从总体分析的思想出发,提出了直接以完成布线通道区所需面积最小化为目标的分层布线算法。实验结果表明,通道区布线面积和通孔的数目比基于横竖分层的布线算法有较大减少,对于Deutsch's difficult example,该算法获得18个 track 解。     

Hopfield神经网络的改进

提出一个改进的Hopfield神经网络模型,其连接矩阵的对角元T_n=1,同时根据大量的计算机模拟实验并从神经网络的系统能量出发,计算和分析T_n=1及T_n=0两种Hopfield神经网络的各存储样本所处能量状态的分布情况,及其与各存储样本的稳定性和纠错能力的关系,指出改步的Hopfield神经网络其容量和纠错能力均比T_n=0的Hopfield神经网络强。     

实用的应用图论算法的单元及通道布线

如何高效节省的进行电路板及芯片的布线,对于提高设计速度减少工作强度具有十分重要的意义。本文给出了一种实用的应用图论算法的单元及通道布线的算法,并采用一种绕线方法成功解决了两层通道布线问题。     

动态Hopfield神经网络模型及学习算法

为了解决 Ｈｏｐｆｉｅｌｄ 神经网络对可变对象的学习问题,在［１］的基础上,建立了一动态 Ｈｏｐｆｉｅｌｄ神经网络,及其学习方法,彻底解决 Ｈｏｐｆｉｅｌｄ 神经网络的动态学习问题     

基于恒模算法的Hopfield神经网络盲多用户检测算法的研究

将恒模算法与Hopfield神经网络的能量函数相结合,提出了基于连续Hopfield神经网络的盲多用户信号检测算法。     

电力系统规划Hopfield优化模型的模拟退火算法

Ｈｏｐｉｅｌｄ模型用于电力系统规划问题求解时，可能陷入局部最小点而无法得到全局最小点。本文提出了一种改进方法，即在陷入部最小点后，引入模拟退火技术，可使网跳出局部最小点而向全局最小点收敛，算例证实例了方法的可行性。     

基于Hopfield神经网络的图象处理

本文应用Ｈｏｐｆｉｅｌｄ网络模型解决计算机视觉中图象匹配与识别问题,对于单幅幅物体的３条边与模型中３条对应力,通过求解一元人方程同三维物姿态,进一步应用Ｈｏｐｆｉｅｌｄ网络求出最佳匹配点,从而识别三维物体,本论文的方法将为计算机视觉中高怪次匹配问题提供一种新的并行处理的途径。     

基于Hopfield神经网络的系统优化

分析Hopfield型神经网络的系统特征及其优化方面的应用原理,证明了DHNN的权值公式,改进了基于Hopfield型神经网络的系统优化模式,总结相对传统优化方法的特点。     

集装箱船舶配载方案评价的Hopfield神经网络模型

将人工神经网络技术应用于集装箱船舶配载方案评价,建立了集装箱船舶配载方案评价的Hopfield神经网络模型．该模型首先建立配载方案评价指标与标准类别体系（即配载方案的级别,如优,良,＊＊＊,以标准类别为记忆模式,将待评价方案作为联想回忆的噪声模式,当网络达到平衡点时其lyapunov函数达到极小值,对应待评价方案的类别等级．此方法为集装箱船舶配载方案优选提供了一种实用的模型．     

一种建立在两个新的约束条件之上的四边通道区布线算法

提出 2个针对四边通道区布线问题的新的约束—行约束和列约束 .并在此基础上建立了布线算法 ,它包括线网分类 ,线网修改 ,顺序布线和改进线探索法 4个主要组成部分     

一种基于Hopfield神经网络的Adhoc网络QoS路由选择算法

当前研究Adhoc网络的QoS保证主要集中于QoS路由选择。人工神经网络已成为求解大规模优化问题的一种有效方法，已经证明合适的神经网络能实时地得到问题的精确解。主要考虑在Adhoc网络中满足时延条件下的最小耗费问题，建立了一种新的Hopfield神经网络模型，给出能量函数各参数之间的关系，并证明了通过适当选取参数，网络的可行解将是渐近稳定的。计算实例表明了新网络模型的有效性。     

基于梯度和模糊神经网络的容迟网络路由算法

高效的路由算法是保证容迟网络性能的关键技术.为提高适用于容迟网络的路由算法的性能,提出了一种基于梯度和模糊神经网络决策的容迟网络路由算法.该算法具有如下特点:改进了网络描述向量,采用节点自身信息及节点间链路状态信息来描述网络,实现对网络的全面描述;将有限历史信息的动态平均与精确预测相结合,自适应维护网络描述向量的各分量,进而为路由决策提供准确的量度;采用模糊径向基神经网络进行路由决策,实现路由决策过程的智能化;依据多跳传输成功概率引导分组沿梯度方向转发,提高分组转发效率.仿真结果表明,在同等网络条件下,该算法表现出比传染路由算法和下文感知路由算法更优异的网络性能.     

河道洪水演算的神经网络模型

提出了适用于河道洪水预防的神经网络模型，应用实测水文资料与河道洪水演算的马斯京干法进行了比较，得出：神经网络模型几乎没有进行河道洪水的连续模拟；对于线性河道系统的实时洪水预报，马法优于神经网络模型；对于非线性河道的实时洪水预报，两者相差不大，神经网络模型略优一些。     

一种新的单层神经网络学习算法分析模型

提出了适用于单层神经网络快速学习算法分析的一种新模型——广义系统辨识模型，分析了Ｋａｒａｙｉａｎｎｉｓ的快速ＢＰ算法．研究结果表明：利用所提出的新模型，能有效地进行单层神经网络学习算法的性能分析     

基于BP算法的神经网络内模控制器

文章针对一类非线性系统,采用加入阻尼项的权值调整BP算法,设计了基于BP算法的神经网络内模控制器,并进行了仿真,结果显示该控制器对阶跃信号和扰动均无稳态误差,对非线性环节有较好的控制效果。     

基于蚁群算法的公交路线走向模型及其求解

建立了新的公交路线走向的数学模型.该模型以动态直达人数为目标,路线的非直线系数为限制条件,并结合蚁群算法给出了求解路线优化设计模型的相应步骤.通过对案例的仿真,证明了该模型及求解算法的可行性和有效性.     

基于蚁群算法的卫星网动态路由算法

卫星网络路由应当具有使用较小的通信开销和处理能力计算出最优路径,并能够适应卫星网络拓扑结构动态变化等特点,这与蚁群算法的特征相匹配,能很好地解决这一问题。以此为背景,提出了一种新型的基于蚁群算法的卫星网动态路由算法(DRAS-ACA),并在NS2网络仿真平台上实现了该路由算法,使用gnuplot分析了仿真结果。     

暂态混沌神经网络应用于ATM路由算法

异步传输模式（ATM）网络中基于给定的虚通道（VP）拓扑结构，提出一种暂态混沌神经网络模型的虚通路（VC）路由算法，通过构造能量函数达到网络资源的有效利用以及路由请求的有效性。仿真结果表明，本算法能根据用户提出的通路连接（VCC）请求，实时，有效地实现VC路由选择和利用网络资源。     

基于混沌神经网络的QoS组播路由算法

为了改变Hopfield网络的能量函数梯度下降的趋势,对神经元的内部状态施加了一个混沌控制量以控制神经网络的能量函数增加,减少或保持不变。将该混沌神经网络应用于解决QoS组播路由问题,提出了基于该混沌神经网络的QoS组播路由算法。通过计算机仿真,该算法能根据组播应用对费用和时延的要求,快速有效地构造组播树,与当前其它启发式算法相比较,本文提出的算法是可行和有效的。