Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "sieć neuronowa Hopfielda" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    Decision system for stock data forecasting based on Hopfield artificial neural network
    System decyzyjny do przewidywania cen akcji oparty na sztucznej sieci neuronowej Hopfielda
    Autorzy:
    Paluch, M.
    Jackowska-Strumiłło, L.
    Powiązania:
    https://bibliotekanauki.pl/articles/407729.pdf
    Data publikacji:
    2016
    Wydawca:
    Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
    Tematy:
    hybrid intelligent system
    Hopfield artificial neural network
    hybrydowy inteligentny system
    sztuczna sieć neuronowa Hopfielda
    Opis:
    The paper describes a new method using Hopfield artificial neural network combined with technical analysis fractal analysis and feed-forward artificial neural networks for predicting share prices for a next day on a Stock Exchange. The developed method and networks are implemented in an Expert System, which is proposed as a valuable comprehensive, analytical tool. A new algorithm for artificial neural networks training and testing is also presented. It automatically chooses the best network structure, and the most important input parameters
    Artykuł opisuje nową metodę zastosowania sztucznej sieci neuronowej Hopfielda połączonej z analizą techniczną, fraktalną oraz jednokierunkowymi sztucznymi sieciami neuronowymi do przewidywania przyszłych cen akcji na Giełdzie Papierów Wartościowych. Opisane nowe metody zostały zaimplementowane w systemie ekspertowym, który jest polecany jako kompleksowe narzędzie do badania aktualnych i przyszłych zachowań rynku. Zaprezentowany został również algorytm nauki testowania sztucznych sieci neuronowych, który na końcu wybiera najlepszą z nich.
    Źródło:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2016, 2; 28-33
    2083-0157
    2391-6761
    Pojawia się w:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Anti-periodic solutions for Clifford-valued high-order Hopfield neural networks with state-dependent and leakage delays
    Autorzy:
    Huo, Nina
    Li, Bing
    Li, Yongkun
    Powiązania:
    https://bibliotekanauki.pl/articles/330171.pdf
    Data publikacji:
    2020
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    Hopfield neural network
    anti-periodic solution
    coincidence degree
    time-varying delay
    sieć neuronowa Hopfielda
    stopień koincydencji
    opóźnienie czasowo zależne
    Opis:
    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.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2020, 30, 1; 83-98
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Stability analysis of high-order Hopfield-type neural networks based on a new impulsive differential inequality
    Autorzy:
    Liu, Y.
    Yang, R.
    Lu, J.
    Wu, B.
    Cai, X.
    Powiązania:
    https://bibliotekanauki.pl/articles/330348.pdf
    Data publikacji:
    2013
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    impulsive differential inequality
    globally exponential stability
    high order Hopfield type neural network
    nierówność różniczkowa
    stabilność wykładnicza
    sieć neuronowa Hopfielda
    Opis:
    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.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2013, 23, 1; 201-211
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Neural networks for the N-Queens Problem : a review
    Autorzy:
    Mańdziuk, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/205945.pdf
    Data publikacji:
    2002
    Wydawca:
    Polska Akademia Nauk. Instytut Badań Systemowych PAN
    Tematy:
    optymalizacja kombinatoryczna
    problem n-hetmanów
    sieć Hopfielda
    sieć neuronowa
    combinatorial optimization
    Hopfield network
    N-Queens Problem
    neural networks
    Opis:
    Neural networks can be successfully applied to solving certain types of combinatorial optimization problems. In this paper several neural approaches to solving constrained optimization problems are presented and their properties discussed. The main goal of the paper is to present various improvements to the wellknown Hopfield models which are intensively used in combinatorial optimization domain. These improvements include deterministic modifications (binary Hopfield model with negative self-feedback connections and Maximum Neural Network model), stochastic modifications (Gaussian Machine), chaotic Hopfield-based models (Chaotic Neural Network and Transiently Chaotic Neural Network), hybrid approaches (Dual-mode Dynamic Neural Network and Harmony Theory approach) and finally modifications motivated by digital implementation feasibility (Strictly Digital Neural Network). All these models are compared based on a commonly used benchmark prohlem - the N-Queens Problem (NQP). Numerical results indicate that each of modified Hopfield models can be effectively used to solving the NQP. Coonvergence to solutions rate of these methods is very high - usually close to 100%. Experimental time requirements are generally low - polynomial in most casos. Some discussion of non-neural, heuristic approaches to solving the NQP is also presented in the paper.
    Źródło:
    Control and Cybernetics; 2002, 31, 2; 217-248
    0324-8569
    Pojawia się w:
    Control and Cybernetics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Neural network models for combinatorial optimization : a survey of deterministic, stochastic and chaotic approaches
    Autorzy:
    Smith, K.
    Potvin, J.
    Kwok, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/205943.pdf
    Data publikacji:
    2002
    Wydawca:
    Polska Akademia Nauk. Instytut Badań Systemowych PAN
    Tematy:
    chaos
    odwzorowanie samoporządkujące
    optymalizacja kombinatoryczna
    sieć Hopfielda
    sieć neuronowa
    combinatorial optimization
    deformable templates
    Hopfield networks
    neural networks
    self-organizing maps
    Opis:
    This paper serves as a tutorial on the use of neural networks for solving combinatorial optimization problems. It reviews the two main classes of neural network models : the gradient-based neural networks such as the Hopfield network, and the deformable template approaches such as the elastic net method and self organizing maps. In each class, the original model is presented, its limitations discussed, and subsequent developments and extensions are reviewed. Particular emphasis is placed on stochastic and chaotic variations on the neural network models designed to improve the optimization performance. Finally, the performance of these neural network models is compared and discussed relative to other heuristic approaches.
    Źródło:
    Control and Cybernetics; 2002, 31, 2; 183-216
    0324-8569
    Pojawia się w:
    Control and Cybernetics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies