Resource Allocation with Potts Mean Field Neural Network Techniques

University dissertation from Sölvegatan 14 A, 223 62 Lund , Sweden

Abstract: Popular Abstract in Swedish Denna avhandling behandlar komplexa optimerings problem med artificiella neuron nätverk (ANN) tekniker och diverse verktyg från den teoretiska fysiken. För många typer av komplexa optimerings problem kan den mänskliga hjärnan prestera ett snabbt och hyfsat bra svar. ANN bygger på en mycket rudimentär bild av hur det riktiga de riktiga neuronerna i hjärnan arbetar, syftet är att kunna skapa datorprogram (algoritmer) med en eller flera av de attraktiva egenskaperna som de biologiska neuron näten har men som är svåra att komma åt med konventionella programmeringsmetoder. En samling av artificiella neuroner har en del gemensamt med väl utarbetade teorier och modeller inom fysiken, tex magnetiska system, detta innebär att en del vertyg kan användas och vidarutvecklas till att passa ANN-fältet. Viktiga verktyg, som introduceras i denna avhandling, är medelfältsapproximationen samt en propagator formalism. Den senare används till att hantera globala topologiska bivillkor. Flygpersonalschemaläggningsproblemet och ett par olika typer av routing problem studeras och algoritmer som bygger på ANN och diverse vertyg från fysiken utvecklas. En integrerad metod för att hantera klassificering av EKG-komplex presenteras. Självorganiserande ANN används för att para ihop liknande EKG-slag.

  This dissertation MIGHT be available in PDF-format. Check this page to see if it is available for download.