Wyniki wyszukiwania - BazTech

1

Anti-periodic solutions for Clifford-valued high-order Hopfield neural networks with state-dependent and leakage delays

Huo Nina, Li Bing, Li Yongkun

International Journal of Applied Mathematics and Computer Science

|

2020

|

Vol. 30, no. 1

83--98

EN

A class of Clifford-valued high-order Hopfield neural networks (HHNNs) with state-dependent and leakage delays is considered. First, by using a continuation theorem of coincidence degree theory and the Wirtinger inequality, we obtain the existence of anti-periodic solutions of the networks considered. Then, by using the proof by contradiction, we obtain the global exponential stability of the anti-periodic solutions. Finally, two numerical examples are given to illustrate the feasibility of our results.

2

Pseudo-orthogonalization of memory patterns for complex-valued and quaternionic associative memories

Minemoto T., Isokawa T., Nishimura H., Matsui N.

Journal of Artificial Intelligence and Soft Computing Research

|

2017

|

Vol. 7, No. 4

257--264

EN

Hebbian learning rule is well known as a memory storing scheme for associative memory models. This scheme is simple and fast, however, its performance gets decreased when memory patterns are not orthogonal each other. Pseudo-orthogonalization is a decorrelating method for memory patterns which uses XNOR masking between the memory patterns and randomly generated patterns. By a combination of this method and Hebbian learning rule, storage capacity of associative memory concerning non-orthogonal patterns is improved without high computational cost. The memory patterns can also be retrieved based on a simulated annealing method by using an external stimulus pattern. By utilizing complex numbers and quaternions, we can extend the pseudo-orthogonalization for complex-valued and quaternionic Hopfield neural networks. In this paper, the extended pseudo-orthogonalization methods for associative memories based on complex numbers and quaternions are examined from the viewpoint of correlations in memory patterns. We show that the method has stable recall performance on highly correlated memory patterns compared to the conventional real-valued method.

3

Zastosowanie sieci neuronowych typu Hopfielda w diagnostyce nawierzchni drogowych

Staniek M.

Czasopismo Inżynierii Lądowej, Środowiska i Architektury / Journal of Civil Engineering, Environment and Architecture

|

2016

|

z. 63, nr 1/II

323--330

PL

Artykuł dotyczy zagadnień diagnostyki nawierzchni drogowych z wykorzystaniem metod przetwarzania obrazów cyfrowych wspomaganych zastosowaniem sieci neuronowej typu Hopfielda w procesie wzajemnego dopasowania pikseli pary obrazów nawierzchni drogi. Para obrazów rejestrowana z wykorzystaniem stereowizyjnego mobilnego stanowiska pomiarowego, opracowanego przez autora, definiowana jest jako stereo-obraz drogi. W artykule opisano ograniczenia rozwiązań stereowizyjnych oraz przedstawiono problem niejednoznaczności dopasowania dla obszarów o jednakowej intensywności. Określono problem obiektów przesłaniających się w polu widzenia kamer, zidentyfikowano ograniczenia ciągłości wynikające z nagłej zmiany funkcji intensywności obrazów, oraz zwrócono uwagę na typowe ograniczenia związane z przetwarzaniem i rozpoznawaniem obrazów cyfrowych. Podczas implementacji sieci neuronowej zdefiniowano kryteria, których minimalizacja jako składowych funkcji energii pozwoliła na uzyskanie optymalnego dopasowania pikseli stereo-obrazów, tym samym właściwego odwzorowania nawierzchni drogowej. Do rozwiązania zadania optymalizacji wielokryterialnej zaproponowano kryteria maksymalizacji i jednoznaczności dopasowania pikseli oraz kolejności przyporządkowania sekwencji pikseli w obu stereo-obrazach, a także kryterium ciągłości mapy dysparycji. Opis matematyczny składowych energii sieci neuronowej określono w artykule. Ocenę zastosowania sieci neuronowej zdefiniowano jako różnicę pomiędzy pomiarami głębi z wykorzystaniem sieci neuronowej oraz bez jej zastosowania. Do oceny zaproponowanego rozwiązania przeprowadzono pomiary z wykorzystaniem mobilnego stanowiska stereowizyjnego, które porównano z pomiarami statycznymi z wykorzystaniem skanowania laserowego w zdefiniowanych przekrojach pomiarowych drogi. Zastosowana sieć neuronowa typu Hopfielda pozwoliła na zwiększenie liczby pikseli poprawnie przypisanych w procesie dopasowania pikseli stereo-obrazów. Zwiększyło to tym samym precyzję odwzorowania nawierzchni drogowej, tym samym oceny jest stanu.

EN

The paper presents an attempt to use Hopfield neural network in process of matching pixels of stereo-images recorded during road pavement diagnosis by vehicle equipped with stereo vision test-bench, developed by author of the paper. The paper describes the limitations of stereo vision solutions and presents the problem of ambiguity matching for the areas of equal intensity. The problems of obscuration objects in the camera view and continuity constraints of resulting from a sudden change in intensity function of images are presented. Typical limitations associated with the techniques of processing and recognition of digital images are highlighted. During the implementation of the neural network the constituents of energy function (criteria of optimization) were defined, what allow for optimum matching pixels of stereo-images, thus the mapping process of road surface is proper. To solve multi criteria optimization problem, the followings criteria were proposed: maximize and uniqueness of matching pixels and order assignment sequence of pixels in both stereo-images, as well as continuity of disparity map. The mathematical description of energy constituents of the neural network was determined in the article. Evaluation of the application neural network was defined as difference between the depth measurements using neural network and without its use. For evaluation of the proposed solution, the measurements using a stereo vision test-bench were performed and were compared with measurements using a laser scanning in selected measurement sections on road. Used of Hopfield neural network allows to increase the number of pixels correctly assigned on stereo-images in the matching process what increase the mapping precision of the road surface, thereby evaluation of road conditions.

4

Badanie intensywności przebiegu deformacji powierzchni terenu Legnicko-Głogowskiego Okręgu Miedziowego w latach 1967÷2008 z wykorzystaniem sieci neuronowej Hopfielda

Mrówczyńska M.

Przegląd Górniczy

|

2012

|

T. 68, nr 7

17--24

PL

W artykule przedstawiono stan przemieszczeń pionowych punktów kontrolowanych zlokalizowanych na obszarze Legnicko-Głogowskiego Okręgu Miedziowego położonego w południowej części monokliny przedsudeckiej. Wykorzystane modele przemieszczeń wynikają z przyjętej metody definiowania układu odniesienia, który jest pewnym zbiorem punktów o stwierdzonej wzajemnej stałości. W związku z tym, w artykule została podjęta próba porównania jakościowych modeli przemieszczeń, uzyskanych na podstawie dwóch wariantów definiowania układu. W pierwszym podejściu została wykorzystana sieć neuronowa Hopfielda, której minimalne wartości poziomów energetycznych oraz wyniki analizy przebiegu sąsiednich trajektorii ruchu punktów za pomocą wykładników Lapunowa decydowały o potencjalnych możliwościach kwalifikacji określonych punktów do zbioru punktów stałych. Druga z zastosowanych metod wymaga identyfikacji wstępnej, która została zrealizowana za pomocą algorytmu minimalizacji sumy odchyłek absolutnych (idea przylegania obiektów [1]). W myśl zaproponowanych w artykule rozwiązań ostateczną strukturę układów odniesienia ustalono na podstawie wartości krytycznej przyrostu kwadratu normy wektora poprawek do obserwacji, a w konsekwencji sformułowano odpowiadające tym układom geometryczne modele przemieszczeń.

EN

The article presents the state of vertical displacements of controlled points located in the Legnica-Głogów Copper Region situated in the southern part of the Fore-Sudetic monocline. The used displacement models result from the method adopted for defining a reference system as a certain set of points of ascertained reciprocal stability. In connection with this the article attempts to compare qualitative displacement models obtained on the basis of two variants defining the system. In the first approach a Hopfield neural network was used, in which the minimum values of energy levels and results of the analysis of neighbouring trajectories of the movement of points by means of the Lyapunov exponents determined the potential possibilities of including particular points into a set of stable points. The second applied method requires preliminary identification, which was carried out by means of an algorithm for the minimization of the sum of absolute deviations (the concept of object adhesion) [1]. According to the solutions suggested in the article the final structure of reference systems was determined on the basis of the critical value of the increment of the square of the norm of the vector of corrections to the observations, and then geometric displacement models corresponding to these systems were formulated.

5

Dynamic Economic Dispatch Solution with Practical Constraints Using a Recurrent neural network

Benhamida F., Bendaoud A., Medles K., Tilmatine A.

Przegląd Elektrotechniczny

|

2011

|

R. 87, nr 8

149-153

EN

This paper proposes a solution to the dynamic economic dispatch (DED) with practical constraints using a Hopfield neural network (HNN). The constrained DED which will be solved in this paper must satisfy (i) the system load demand (ii) the spinning reserve capacity (iii) ramp rate limits and (iv) prohibited operating zone. The feasibility of the proposed HNN method is demonstrated using two power systems, and it is compared with the other methods in terms of solution quality and computation efficiency.

PL

Artykuł proponuje rozwiązanie dynamicznej gospodarki przesyłem energii z uwzględnieniem ograniczeń przy wykorzystaniu sieci neuronowych Hopfield (HNN). Zaproponowana metoda została sprawdzona w dwóch systemach elektroenergetycznych i porównana z innymi metodami pod względem jakości i efektywności rozwiązań obliczeniowych.

6

Sieć neuronowa Hopfielda do wyznaczenia przemieszczeń i jako narzędzie przy renowacji budynków

Mrówczyńska M.

Przegląd Budowlany

|

2011

|

R. 82, nr 4 dod.

160-165

7

Application of Genetic Algorithms and Hopfield Neural Networks to Combined Economic and Emission Dispatch (CEED)

Benyahia M., Benasla L., Rahli M.

Przegląd Elektrotechniczny

|

2009

|

R. 85, nr 10

111-115

EN

This paper presents the Genetic Algorithms (GA) and Hopfield Neural Network (HNN) to solve the Combined Economic and Emission Dispatch (CEED) problem. The equality constraints of power balance and the inequality generator capacity constraints are considered. The CEED problem is a bi-objective non linear optimization problem since it is obtained by considering both the economy and emission objectives. This bi-objectives problem is converted into a single objective function using a price penalty factor approach. In this paper AG and HNN are tested on six generators system and the results are compared. The solutions are quite encouraging and useful in the CEED.

PL

Artykuł przedstawia wykorzystanie algorytmów genetycznych i neuronowej sieci Hopfielda do rozwiązywania problemu emisji zanieczyszczeń CEED. Rozważono równość balansu mocy i nierówność obciążenia generatora. Problem CEED jest problemem optymalizacji biorącym pod uwagę równowagę kosztów paliwa i emisji zanieczyszczeń. Problem ten został sprowadzony do pojedynczej funkcji celu uwzględniającej koszty kary. Zagadnienie przetestowano na przykładzie sześciu generatorów.

8

The hopfield neural network in the aspect of the stabilization of the displacement phenomenon

Gil J., Mrówczyńska M.

Reports on Geodesy

|

2007

|

z. 1/82

75-80

9

Solving point-feature labeling placement problem by parallel Hopfield neural network on GPU graphics card

He Z., Harada K.

Machine Graphics and Vision

|

2006

|

Vol. 15, No. 1

99-120

EN

This paper discusses the application of parallel Hopfield neural networks in solving the point-feature labeling placement (PFLP) problem by using programmable graphics hardware found in a commodity PC. In this paper, we focus on two aspects. The first aspect concerns mapping the PFLP onto parallel Hopfield neural network. The second aspect is the detailed method of implementing the parallel Hopfield neural network on graphics hardware. We demonstrate the effectiveness of implementing the parallel Hopfield network by solving the PFLP problem. Moreover, our proposal makes use of the advantages of the parallel Hopfield network on low-cost platforms.

10

A new approach to stereo image matching based on multiresolution wavelet analysis

Jaworska T.

Machine Graphics and Vision

|

2000

|

Vol. 9, No. 1/2

439-446

EN

Automatic stereo matching in an importamt problem and many algorithms have been developed already. The paper presents a new stereo matching algorithm. Correspondence and disparity esablished between points. of two images is the result of stereo matching. The proposed solution is based on wavelet transform. A two-dimensional digital image is a signal which is analyzed in wanelet space. Each image of stereopair is decomposed using multiresolution analysis for many levels from fine-to-coarse. Each image is also decomposed into an approximation and details (vertical, horizontal and diagonal) which are computed using a recursive algorithm of Mallat [8]. In the proposed approach a disparuty is found in the wavelet transform space. The minimization problem which appears in disparity determination is solved using a Hopfield neural network. The neural network is used for finding the disparity separately for approximation and details in the horizontal direction and separately for aproximation and details in the vertical direction. The approach is based on constructing vectors containing coefficients from each level. The number of vectors is equal to the numbers of coefficients at the finest level. Vectors are constructed for coefficients of approximation and for sum of coefficients of approximation and details respectively. A norm of the difference of vectors is set as neurons bias.