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
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
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.
W pracy przedstawiono rozwiązania wizyjne wykorzystywane w diagnostyce nawierzchni drogowych. Scharakteryzowano opracowane przez autora tej pracy stanowisko pomiarowe oceny nawierzchni bazujące na metodach przetwarzania i rozpoznawania obrazów. Przedstawiono algorytm działania stanowiska pomiarowego. Zdefiniowano problemy analizy stereo-obrazów dotyczące niejednoznaczności dopasowania punktów, nieciągłość głębi dla sąsiednich obiektów oraz częściowo przesłaniających sie obiektów na zarejestrowanych obrazach. Autor zaproponował zastosowanie sieci neuronowych typu Hopfielda w procesie dopasowania obiektów w stereo-obrazach. Zdefiniowano kryteria najkorzystniejsze z punktu widzenia dopasowania punktów stereoobrazów oraz odwzorowania obrazów w modelu przestrzennym nawierzchni drogowej. Metoda obliczeniowa bazuje na minimalizacji energii całkowitej sieci neuronowej dla danych stereo-obrazów.
EN
The paper presents a stereo vision solutions used in the diagnostics of road pavement. The test-bench developed by the author, based on the image processing and image recognition solutions, was characterized. The algorithm of measurement procedure was presented. Problems of stereo-image analysis regarding the ambiguity of matching points images, discontinuity depth for neighboring objects registered on the images and partially obstructs objects in the images were defined. The author proposed Hopfield-type neural networks in the process of matching pixels in stereo-images. The criteria for the most favorable matching points of stereo images and the mapping of images in spatial model of road pavement were defined. The calculation method is based on minimizing the total energy of the neural network for data stereo-images.
This paper is devoted to studying the globally exponential stability of impulsive high-order Hopfield-type neural networks with time-varying delays. In the process of impulsive effect, nonlinear and delayed factors are simultaneously considered. A new impulsive differential inequality is derived based on the Lyapunov–Razumikhin method and some novel stability criteria are then given. These conditions, ensuring the global exponential stability, are simpler and less conservative than some of the previous results. Finally, two numerical examples are given to illustrate the advantages of the obtained results.
5
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
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.
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.
Przedstawiono wyniki zastosowania obliczeń opartych na sztucznych sieciach neuronowych typu Hopfielda do rozwiązania zagadnienia optymalnego rozkładu obciążeń w systemie elektroenergetycznym. Wyniki te porównano z wynikami dokładnymi, uzyskanymi za pomocą klasycznych metod numerycznych. Podkreślono krótki czas obliczeń przy zastosowaniu nowej metody.
EN
Results of the application of calculations based on artificial neural networks of the Hopfield's type for solution of the problem of optimum load distribution in an electric power system. These results were compared with the accurate results obtained with the aid of the classical numerical methods. Emphasis is laid on the short time taken by the calculations using the new method.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.