求解二次规划问题的快速收敛梯度神经网络模型设计及仿真

为了实现对二次规划问题的求解,提出了一个快速收敛的梯度神经网络模型。不同于传统的梯度神经网络设计方法,快速收敛的梯度神经网络模型加入了一个非线性激励函数,从而加快了求解二次规划问题的收敛速度。而且,通过调节设计参数的取值,收敛速度可以得到进一步加快。计算机对比仿真结果验证了快速收敛的梯度神经网络模型的有效性和优越性。     

基于不同误差函数的神经网络求解线性方程组

对于同一线性方程,存在多种不同的求解方法,而且由于求解方法的不同,其收敛速度也存在差异.对一个一般的线性方程设计2个不同的误差函数,利用梯度下降法建立2个梯度神经网络模型.借助Matlab仿真软件进行计算机仿真,根据不同的梯度神经网络模型求出线性方程的解,从而证实2个梯度神经网络模型的可行性.最后借助Matlab软件模拟利用2个梯度神经网络模型求解线性方程时的收敛情况,比较2个梯度神经网络求解线性方程的收敛速度.     

基于双判据优化方法的机器人逆运动学求解

为解决在速度层上无穷范数最小化模型中可能出现的不连续点问题,提出一种基于双判据方法的二次型优化模型.冗余机器人运动规划与控制模型可以统一各种关节物理极限,如关节变量极限与关节速度极限.同时该模型又可以最终转化为一个标准的二次规划问题.为了实时求解该二次规划问题,提出一种基于线性变分不等式(LVI)的原对偶神经网络.该神经网络作为实时求解器具有简单的分段线性结构和较高的计算效率.计算机对PUMA560机器手臂的模拟仿真表明,该方案具有灵活性和有效性.     

基于前向和中间差分的离散ZNN的定常矩阵求逆方法

不同于传统的梯度神经网络,一类特殊的用于解决时变问题(如时变矩阵求逆)的新型递归神经网络(ZNN)于2001年提出.为了便于使用数字电路进行硬件实现,需要将该类递归神经网络进行离散化,在之前工作的基础上,利用多点前向差分和中间差分数值微分方法,得到一类通过一系列ZNN离散模型表示的矩阵求逆方法,数学分析结果表明,传统牛顿迭代法可以看作其中一个特例.为验证此方法的有效性,针对定常矩阵求逆问题进行求解,同时,利用线搜索算法来保证该模型的收敛速度.实验结果表明,基于多种数值微分公式并辅以线搜索算法的ZNN离散模型可以较好地收敛到问题的理论解,且具有较佳的收敛性能.     

有限时间网络求解时变复矩阵的逆及抗噪声分析

设计了一个特殊的带有可调激活函数的有限时间递归神经网络求解时变复数矩阵的逆,同时分析了其抗噪声能力.首先,时变复数矩阵逆问题被转化为一个误差矩阵,为了使此误差矩阵收敛到零,提出了一个带有可调激活函数的有限时间递归神经网络,并在此基础上设计了一个带有噪声干扰项的网络;其次,证明了设计网路的有限时间稳定性并估计了收敛时间上界,证明了添加噪声干扰项后的网络误差可以收敛到零;最后,通过两个数值例子展现了方法的有效性、优越性和设计网络在添加多种形式噪声时的强鲁棒性.     

应用递归人工神经网络预测电力短期负荷

介绍了神经网络的基本原理,使用递归人工神经网络模型对电力短期负荷进行预测,采用了梯度下降法,来提高训练的收敛速度,预测仿真结果表明,使用递归神经网络预测比传统的预测方法更准确.     

板坯连铸二次冷却智能控制模型

以缩小连铸二冷区板坯表面实际温度和目标温度的差异为目标,建立了板坯连铸二次冷却智能控制模型. 该模型采用支持向量机(SVM)实现板坯表面目标温度的动态设定,采用对角递归神经网络(DRNN)实现板坯表面温度的预测,采用T-S模糊递归神经网络实现二次冷却水动态调整与分配. 通过对某钢厂板坯连铸过程进行仿真计算和现场试验,结果表明:该模型将二次冷却水水量控制问题与板坯在冷却过程中的温度状态相结合,实现了连铸二次冷却动态优化控制,有利于提高板坯的质量.     

应用神经网络理论的计算机通信网迟延新算法

计算机网络最小平均迟延的求解实质上是一个联合优化问题。进一步的分析表明，它可以近似为一个二次型优化问题。我们利用一种具有全局收敛性质的神经网络模型解决了这一问题。计算结果表明，这种方法是可行而有效的。     

解最小一乘问题的递归神经网络

应用鞍点理论和投影算子的性质,给出了一种递归神经网络求解具有线性约束的最小一乘问题,证明了此神经网络全局收敛于一个最优解.数值实验表明,用本文的方法求解最小一乘问题是切实可行的.     

—种求解线性二层规划的神经网络方法

提出了—种求解线性二层规划的神经网络方法.采用以下层问题的对偶间隙为罚项,构造线性二层规划罚问题的思想,将线性二层规划转化成相应的单层规划问题,然后设计求解单层规划问题的神经网络模型,从而得到线性二层规划的最优解.该网络是Lyapunov稳定的,且在适当的条件下收敛于线性二层规划的最优解,仿真结果表明该神经网络可以有效地得到线性二层规划的最优解.     

二次型规划问题的进一步研究

进一步分析了求解二次型规划问题的神经网络方法，给出了这一方法的稳定性的可检验条件，并证明在这个条件下网络是全局收敛的，最后，给出了数值模拟例子。     

一类求解退化凸二次规划的投影神经网络

借助变分不等式和Kuhn—Tucker条件,构造了一类投影神经网络求解线性约束的退化凸二次规划问题．与已有的求解退化凸规划问题的神经网络系统相比,系统的适用范围更广;在理论方面,系统是全局收敛的;数值实例显示了所得结论的有效性和正确性．     

神经网络在二次规划问题中的应用

利用对偶神经网络解决了基于线性等式、 不等式和有 界约束的二次规划问题, 表明所研究的对偶神经网络具有整体指数收敛性, 与包含高次非线性条件的神经网络相比, 所提出的网络使用了更少的神经元, 并且网络的体系结构更简单.数值实验结果表明了该方法的有效性.     

Elman回归神经网络在大坝安全监控中的应用

给出了E1man回归神经网络的网络结构和学习方法。基于E1man回归神经网络能够逼近任意非线性函数的特点，提出了一种基于E1man回归神经网络建立安全监控模型的方法。实验表明，所建立E1man神经网络模型收敛速度快，并且其拟合及预报精度高于统计模型和BP网络模型。     

求解广义互补问题的神经网络方法

构造了求解广义互补问题的一个神经网络模型.分析了该模型解的存在性、收敛性及其李雅普诺夫稳定性、渐近稳定性和指数稳定性.并给出了一些数值模拟结果.     

TCP/AWM网络系统的自适应有限时间漏斗拥塞控制

研究了具有外部扰动的TCP/AWM网络系统拥塞控制问题.首先,为了保证队列跟踪误差具有预设的暂态和稳态性能,引入漏斗误差变换对队列跟踪误差进行限制.其次,利用RBF神经网络处理系统中存在的非线性项.结合漏斗控制、有限时间控制、自适应Backstepping技术和RBF神经网络,提出了一种主动窗口管理算法,不仅保证了闭环系统的所有信号是半全局实际有限时间有界的,还使队列跟踪误差收敛到预先给定的漏斗边界内.最后,将本文所提方法与现有的两种同类算法进行了仿真对比,通过得到的仿真结果可以看出所设计的控制器使系统具有更快的收敛速度和更小的超调量,进一步验证了所提方法的可行性和优越性.     

多节点计算机通信网的时延分析和流量分配

对计算机通信网进行基于时延的流量分配实际是一个非线性优化问题。当计算机网络规模较大时，运用常规方法往往不能实时和有效地解决该优化问题。本文利用一种神经网络模型，求出该问题的最优解，并在计算机上模拟ＵＳＡＮＥＴＷＯＲＫ一部分的流量分配，结果表明这一方法是可行和有效的。     

求解二次规划的一个基于梯度的新神经网络

根据问题自身的结构特点，通过将其转化为等价的方程，提出了求解凸二次规划的一个基于梯度的新神经网络模型．严格证明了它是Liapunov稳定的，并且渐近收敛于原问题的精确解．讨论了其全局指数稳定性，该模型不需要选择自反馈或辅助联结权矩阵，且网络规模小于原问题．模拟实验表明新模型不仅可行，而且有效。     

求解一类线性变分不等式的一个射影神经网络

考虑了一类线性变分不等式问题，提出了求解它的一个射影神经网络模型，构造恰当的能量函数，给出了确保新模型稳定和有限时间收敛的3个充分条件，并在适当的条件下，证明了该模型的指数稳定性。新模型结构简单，易于硬件实现，可用来求解非单调的问题。数值试验表明该网络不仅有效而且可行。