Hopfield神经网络在扰动情况下的鲁棒性

Hopfield神经网络在扰动情况下的鲁棒性

李佰成¹, 李德昌², 廉诚雪³，陈殿友⁴

1. 吉林大学软件学院, 长春 130012; 2. 吉林大学计算机科学与技术学院, 长春 130012; 3. 上海交通大学应用数学系，上海 200030； 4. 吉林大学数学学院, 长春 130012

收稿日期:2006-05-31 修回日期:1900-01-01 出版日期:2006-08-26 发布日期:2006-11-26
通讯作者: 李德昌

Robustness of Hopfield Neural Networks in Discrete Perturbation

LI Baicheng¹, LI Dechang², LIAN Cheng xue³, CHEN Dianyou⁴

1. College of Software, Jilin University, Changchun 130012, China; 2. College of Computer Science and Technology, Jilin University, Changchun 130012, China; 3. Department of Application Mathematics, Shanghai Jiaotong University, Shanghai 200030, China;4. College of Mathematics, Jilin University, Changchun 130012, China

Received:2006-05-31 Revised:1900-01-01 Online:2006-08-26 Published:2006-11-26
Contact: LI Dechang

摘要/Abstract

摘要： Hopfield神经网络在工程领域中应用广泛, 但在具体的实现过程中往往存在着扰动和时滞, 这些因素的存在影响了神经网络的动态性能, 并有可能导致网络失稳. 通过建立模型, 讨论了时滞递归神经网络的鲁棒性, 给出了有效的判定条件, 推广了有关文献中的结果.

关键词: Hopfield神经网络, 鲁棒性, 故障模型, 时滞网络

Abstract: Hopfield neural networks are widely applied in picture identification and engineering field, but there are parameter perturbations and time delay in the neural network when it is implemented with the hardware. T hese factors will badly influence the dynamic performance of the neural network and even cause instability of the network. This paper discusses the robustness of ne ural networks with time delay by building a model. And the fairly general and easily verifiable criterion is presented.

Key words: Hopfield neural networks, robustness, fault model, time delayed networks

中图分类号:

TP13

李佰成, 李德昌, 廉诚雪，陈殿友. Hopfield神经网络在扰动情况下的鲁棒性[J]. J4, 2006, 44(06): 54-58.

LI Baicheng, LI Dechang, LIAN Cheng xue, CHEN Dianyou. Robustness of Hopfield Neural Networks in Discrete Perturbation[J]. J4, 2006, 44(06): 54-58.

[1]	李鑫, 张伟, 张蕾. 一种自适应非负矩阵分解算法[J]. 吉林大学学报(理学版), 2020, 58(4): 965-968.
[2]	胡雅婷, 李长明, 柳振鑫, 任虹宾, 陈营华. 一种鲁棒的无监督聚类图像分割算法[J]. 吉林大学学报(理学版), 2019, 57(06): 1425-1430.
[3]	李秀娟. 一种抗遮挡的运动目标跟踪算法[J]. 吉林大学学报(理学版), 2017, 55(05): 1207-1212.
[4]	安葳鹏, 屈星龙. 快速差分进化算法[J]. 吉林大学学报(理学版), 2017, 55(04): 866-873.
[5]	查嫽, 曹怀信, 王晓霞. 量子信道对纠缠鲁棒性的影响[J]. 吉林大学学报(理学版), 2016, 54(04): 871-877.
[6]	刘妍秀, 孙一鸣, 杨华民. 基于归一化算法的噪音鲁棒性连续语音识别[J]. 吉林大学学报(理学版), 2015, 53(03): 519-524.