基于贡献率的离散Hopfield 结构优化
CSTR:
作者:
作者单位:

1. 北京工业大学电子信息与控制工程学院,北京100124;
2. 北京农业职业学院信息技术系,北京102442.

作者简介:

李荣

通讯作者:

中图分类号:

TP273

基金项目:

国家自然科学基金杰出青年项目(61225016);国家自然科学基金项目(61034008, 61203099);北京市科技计划课题(Z141100001414005);北京市科技专项课题(Z141101004414058);北京市科技新星计划项目(Z131104000413007);北京市教育委员会科研计划项目(KZ201410005002, KM201410005001).


Structure optimization of discrete Hopfield based on contribution rate
Author:
Affiliation:

1. School of Electric Information and Control Engineering,Beijing University of Technology,Beijing 100124,China;
2. Department of Information Technology,Beijing Vocational College of Agriculture,Beijing 102442,China.

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对离散Hopfield 神经网络(DHNN) 结构复杂的问题, 提出一种基于贡献率的结构优化算法. 该算法利用奇异值分解方法对连接权值进行设计, 进而利用贡献率的方法对DHNN进行结构优化. 优化后的网络降低了DHNN结构的复杂程度, 使网络具有类似生物神经网络的稀疏结构, 实现了DHNN网络结构的优化. 最后, 通过水质评价和数字识别对该算法进行验证, 表明了所提出算法的有效性和可行性, 同时, 还验证了其对于大规模DHNN的有效性和适用性.

    Abstract:

    To solve the problem of complex structure for the discrete Hopfield neural network(DHNN), a structural optimization algorithm based on the contribution rate is proposed. The singular value decomposition method is used to design the connection weights. On the basis of the design, the contribution rate method is adopted to prune the connection weights. The structural complexity of the DHNN is reduced after structure optimization, and it makes the DHNN with sparse
    network structure which is similar to biological neural network realize the structure optimization. Finally, the water quality evaluation and digital recognition are used to verify the effectiveness and feasibility of the structural optimization algorithm, and also demonstrate the effectiveness and applicability of the proposed algorithm for large scale DHNN.

    参考文献
    相似文献
    引证文献
引用本文

乔俊飞 李荣 韩红桂.基于贡献率的离散Hopfield 结构优化[J].控制与决策,2015,30(11):2061-2066

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2014-08-26
  • 最后修改日期:2015-01-07
  • 录用日期:
  • 在线发布日期: 2015-11-20
  • 出版日期:
文章二维码