从Sigmoid功率控制算法到Hopfield类神经网络：基于Sigmoid的“SIR”（“信号”与“干扰”之比）平衡网络——第一部分：连续时间
数据分析、统计与概率
2009-03-17 v1
摘要
连续时间Hopfield网络自20世纪80年代以来一直是研究的重要焦点，其应用范围从图像恢复到组合优化，从控制工程到联想记忆系统。另一方面，在无线通信系统文献中，功率控制作为提高系统性能的基本机制已被深入研究。Uykan在[10]和[11]中提出了一种完全分布式功率控制算法（DPCA），称为Sigmoid DPCA，该算法通过对连续时间系统进行离散化得到。在本文中，我们提出了一种基于Sigmoid的“信号与干扰比（SIR）”平衡动态网络，称为Sgm“SIR”NN，它同时包含了Sigmoid功率控制算法（SgmDPCA）和Hopfield神经网络，这两个领域的关注范围、动机和设置完全不同。研究表明，Sgm“SIR”NN表现出通常归因于Hopfield网络的特征。计算机模拟显示了所提出网络相对于传统Hopfield网络的有效性。
引用
@article{arxiv.0902.2577,
title = {From Sigmoid Power Control Algorithm to Hopfield-like Neural Networks: "SIR" ("Signal"-to-"Interference"-Ratio)-Balancing Sigmoid-Based Networks- Part I: Continuous Time},
author = {Zekeriya Uykan},
journal= {arXiv preprint arXiv:0902.2577},
year = {2009}
}
备注
28 pages, 5 figures, submitted to IEEE Transactions on Neural Networks in December 2008