• 한국통신학회논문지
• /
• 제14권5호
• /
• pp.561-570
• /
• 1989

본 논문에서는 Hopfield 신경회로망 모델에 기초한 bipolar 메모리 행렬을 광학적으로 실현하기 위해 수정된 모델에 대한 이론적 분석과 상용 LCTV를 이용한 Hopfield 연상메모리의 광학적 구현에 관하여 논하였다. 특히, 본 논문에서는 신경간의 연결인 메모리마스크를 처음으로 컴퓨터 그래픽과 연결된 LCTV 마스크를 사용하고 수정된 모델에서 시간에 따라 변하는 thresholding 값을 메모리 마스크에 한행을 추가해 광학적으로 얻을 수 있게 함으로서 Hopfield 모델에 기초한 광연산 메모리의 실시간 처리를 실현 하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1990년도 하계학술대회 논문집
• /
• pp.539-541
• /
• 1990

Hopfield crossbar assosiative network을 기초로한 개선된 Hopfield neural network을 제안하고, 이 network이 NP-complete 문제에 대한 효과적인 tool임을 보였다. 이 모델을 YLSI routing을 위한 layer assignment 문제에 응용하였고, 결과 이 개선된 Hopfield model이 stability와 accuracy를 향상시킴을 보여 주었다.

• 정보학연구
• /
• 제7권2호
• /
• pp.43-54
• /
• 2004

홉필드 네트웍(Hopfield Network)은 존 홉필드(John J. Hopfield) 박사에 의해 제안된 이래 패턴인식과 최적화 문제에 활용되어 왔다. 특히 리(Jian-Hua Li)에 의해 제안된 방식은 SVD(singular value decomposition) 기법을 사용하여 입력패턴을 재구성함으로써 효율향상에 기여하였다. 본 논문은 리(Li)가 제안한 홉필드 네트웍에 사용할 패턴 집합의 선형 선처리 방식에 따른 성능 향상을 실험하였다. 선형 선처리 방식에 하다마드 방식과 랜덤 방식이 최대 30%, 하다마드 방식이 최대 15%의 성능이 향상되었다. 수렴시간 측면에서 보면 랜덤 방식이 최대 5 이터레이션, 하다마드 방식이 최대 2.5 이터레이션의 성능 향상을 확인하였다.

• 전자공학회논문지B
• /
• 제32B권3호
• /
• pp.48-56
• /
• 1995

This paper presents a method of implementing efficient optical flow estimation for dynamic scene analysis using the hierarchical Hopfield neural networks. Given the two consequent inages, Zhou and Chellappa suggested the Hopfield neural network for computing the optical flow. The major problem of this algorithm is that Zhou and Chellappa's network accompanies self-feedback term, which forces them to check the energy change every iteration and only to accept the case where the lower the energy level is guaranteed. This is not only undesirable but also inefficient in implementing the Hopfield network. The another problem is that this model cannot allow the exact computation of optical flow in the case that the disparities of the moving objects are large. This paper improves the Zhou and Chellapa's problems by modifying the structure of the network to satisfy the convergence condition of the Hopfield model and suggesting the hierarchical algorithm, which enables the computation of the optical flow using the hierarchical structure even in the presence of large disparities.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1995년도 하계학술대회 논문집 B
• /
• pp.710-713
• /
• 1995

Hopfield networks have been applied to the problem of linear system identification. In this paper, Hopfield network based parameter identification scheme of non-linear dynamic systems is proposed. Simulation results demonstrate that Hopfield network can be used effectively for the identification of non-linear systems assuming that the system states and their time derivatives are available. Therefore, the proposed scheme can be applied in fault detection and isolation(FDI) and adaptive control of non-linear systems where the Hopfield networks perform on-line identification of system parameters.

• Structural Engineering and Mechanics
• /
• 제7권5호
• /
• pp.485-502
• /
• 1999

Using the continuous Hopfield network model as the basis to solve the general crisp and fuzzy constrained optimization problem is presented and examined. The model lies in its transformation to a parallel algorithm which distributes the work of numerical optimization to several simultaneously computing processors. The method is applied to different structural engineering design problems that demonstrate this usefulness, satisfaction or potential. The computing algorithm has been given and discussed for a designer who can program it without difficulty.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2000년도 제15차 학술회의논문집
• /
• pp.160-160
• /
• 2000

An optimization approach is used to solve the division problem of working area, and a cost function is defined to represent the constraints on the solution, which is then mapped onto the Hopfield neural network for minimization. Each neuron in the network represents a possible combination among many components. Division is achieved by initializing each neuron that represents a possible combination and then allowing the network settle down into a stable state. The network uses the initialized inputs and the compatibility measures among components in order to divide working area.

• 대한전기학회논문지
• /
• 제40권2호
• /
• pp.234-237
• /
• 1991

A new neural network model, based on the Hopfield crossbar associative network, is presented and shown to be an effective tool for the NP-Complete problems. This model is applied to a class of layer assignment problems for VLSI routing. The results indicate that this modified Hopfield model, improves stability and accuracy.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2000년도 가을 학술발표논문집 Vol.27 No.2 (2)
• /
• pp.329-331
• /
• 2000

데이터 클러스터링은 서로 유사한 성질을 갖는 데이터들은 동일한 클러스터에 분류하고, 이질적인 데이터는 다른 클러스터에 분류하여, 클러스터 내의 유사성은 최대로 하고 클러스터와 클러스터사이의 유사성을 최소로 하는 것을 말한다. 데이터 클러스터링은 데이터 마이닝, 기계 학습, 패턴 인식, 통계 분야 등에 다양하게 활용되고 있다. Hopfield 네트워크는 조합적 최적화 문제를 해결하는데 사용되어 좋은 결과를 나타내고 있다. 본 논문에서는 Hopfield 네트워크를 사용하여 데이터 클러스터링 문제를 해결하는 알고리즘을 연구하였고, 실험을 통해 기존의 방법과 비교하였다.

• 충청수학회지
• /
• 제34권3호
• /
• pp.221-234
• /
• 2021

We introduce high-order Hopfield neural networks with Leakage delays. Furthermore, we study the uniqueness and existence of Hopfield artificial neural networks having the weighted pseudo almost periodic forcing terms on finite delay. Our analysis is based on the differential inequality techniques and the Banach contraction mapping principle.