一类离散Hopfield网的特征分析(I)-稳定吸引状态

来源 :1999年中国神经网络与信号处理学术会议 | 被引量 : 0次 | 上传用户:wzx85695021
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
该文通过给出超立方体图所对应连接矩阵的行征向量,深入分析了以n维超立方体为大规模局域连接的离散Hopfield网(简称为A〈’*〉的吸引特征,特别是吸引子/吸引环的位置及网络稳定吸引状态的数目等,得出了网络连接权矩阵的特征向量及其拼接向量均为网络的吸引子或吸引环的结论,大量实验研究与结果表明该文所给出的结论是正确的。
其他文献
当今,对无线移动通信需求的迅速增长和有限的频率资源的矛盾日益突出。如何高产最优地分配有限的信道资源,就成为一个重要的研究课题。该文针对信道分配问题的特点,提出了一种改进的Hopfield神经网络。它在神经网络的初始化和更新过程中,采取适当的措施努力保证信道需求和同场地限制(co-site constraint)。计算机模拟结果表明用改进Hopfield神经网络优化信道分配问题具有高收敛频率和快收
该文对DRN〈’2〉(Diagonal Recurrent Neural Networks)的造型进行了改进扩展研究,并利用预测误差法设计了学习算法,模拟结果表明,其学习速率快于BP(BackPropagation)学习算法的速率。
该文利用国家气象局T106中期数值预报产品资料,采用神经网络方法建立了气象上预报难度较大的小概率事件--大雾天气集成预报模式。结果表明,神经网络集成预报的历史样本拟合和独立样本预报精度均优于各个子方程,显示了较好的应用研究前景。
该文提出了构造人工神经网络系统应该基于的两个基本假定:语义在网络中呈现分布特性和网络自构造特性,论述了两个特性的必要性,并介绍了基于此实现的一个新结构的人工神经网络系统。
该文提出前馈神经网络的一种梯度-牛顿耦合学习算法。利用梯度算法在网络学习初始阶段误差函数下降速度快而牛顿法在学习后期收敛率高且具有二阶收敛速度的优点,充分发挥两种算法各自的特长和能弥补牛顿法在网络学习初始阶段对学习初值的敏感性和梯度算法在学习后期的震荡现象等不足。作者给出了学习速度参数在线优化、带保护的拟牛顿法、梯度-牛顿竞争法以及梯度-牛顿分段等四种方案,并分析了各自的特点。文中最后给出了实验实
提出了一种使用遗传算法的模糊神经网络学习算法。并将其用于地铁列车运行控制仿真,仿真取得了令人满意的结果。结果表明,将神经网络等计算智能方法综合用于列车运行控制是可行的,可以保证较好的舒适性、停车准确性。具有精度高、适应性、鲁棒性强等特点。
该文综述盲信号处理理论和方法研究的新进展,着重介绍研究人员在国家攀登计划重大项目研究下对盲信号处理研究所取得的主要成果,包括盲信源分离,盲信道参数估计及盲均衡,以及盲阵列处理等。利用神经计算方法实现信号盲处理,大大提高其性能。