TSP问题简介：       TSP问题就是在一城市集合{A,B,C,…}中找出一个最短且经过每个城市各一次并回到起点的路径。为了将TSP问题映射到一神经网络的动态演化过程，首先必须找到一合适的表示方法。任一城市在最终路径上的次序可用一N维矢量表示。以10城市为例，如果城市A是第6个访问，则可以用0000010000，即只有第6个神经元的输出为1，其余都是0。为了表示表示所有城市，就需要N×N

绪论随着轨道交通的快速发展，轨道交通所配套的安全预警系统也需要很大的提升。轨道交通密度的增大势必也会带来更多安全问题，例如轨道异物入侵、列车调度、铁轨故障等。轨道异物常常伴有不确定性和突发性，尤其是在列车流量较大的路段，异物入侵轨道区域可能会带来严重的事故。但是，由于安防监视器产业的大力发展，轨道异物入侵问题可以一定程度上通过监视器的全天候监视来解决。只要在容易出现异物入侵的轨道路段安装固定视..

Hopdield神经网络用于联想记忆介绍：       如上图这个例子，这就是离散型Hopfield网络用于联想记忆的工作方式。我们以T这个字母为例，首先生成一张完整的T字形图片，然后将图片映射到神经网络中的每个神经元，即每个像素都对应网络中的一个神经元，T字上的像素映射到网络上的神经元，对应值是1（激活状态），T字外的像素映射到网络上的神经元，对应值为0（抑制状态）。然后进行训练，训

TSP问题简介：       TSP问题就是在一城市集合{A,B,C,…}中找出一个最短且经过每个城市各一次并回到起点的路径。为了将TSP问题映射到一神经网络的动态演化过程，首先必须找到一合适的表示方法。任一城市在最终路径上的次序可用一N维矢量表示。以10城市为例，如果城市A是第6个访问，则可以用0000010000，即只有第6个神经元的输出为1，其余都是0。为了表示表示所有城市，就需要N×N

摘要：       从系统观点看，前馈神经网络模型的计算能力有限，具有自身的一些缺点。而反馈型神经网络是一种反馈动力学系统，比前馈神经网络拥有更强的计算能力，可以通过反馈而加强全局稳定性。反向传播神经网络模型虽然很适合处理学习问题，但是却不适合处理组合优化问题。理论上来说，如果参数设置得当，Hopfield神经网络可以被用来优化任何问题。反馈神经网络中，所有神经元具有相同的地位，没有层次差

摘要：       从系统观点看，前馈神经网络模型的计算能力有限，具有自身的一些缺点。而反馈型神经网络是一种反馈动力学系统，比前馈神经网络拥有更强的计算能力，可以通过反馈而加强全局稳定性。反向传播神经网络模型虽然很适合处理学习问题，但是却不适合处理组合优化问题。理论上来说，如果参数设置得当，Hopfield神经网络可以被用来优化任何问题。反馈神经网络中，所有神经元具有相同的地位，没有层次差