无界时延混合Petri网(UTHPN)的可覆盖性演变图及性质

时延混合Petri网(THPN)是由David最早提出的一类混合Petri网模型,而构造时延混合Petri网的演变图是对其性质进行分析的有效方法.赵义军等在文[1]中给出了有界时延混合Petri网的演变图构造方法及性质分析,但对无界的时延混合Petri网,其演变图却不能用同样的方法构造出来.在本文中,通过引入无界量符号ω,给出了UTHPN的可覆盖性演变图的构造方法,并在此基础上讨论了UTHPN的有关性质.     

一般位值公式及一般初等关联函数构造方法

关联函数是可拓集合的核心，其构造方法是可拓论重要研究课题之一。在文[1]、文[2]基础上，提出一般住值的概念并构造在中点取得最大值的一般初等关联函数。得到若干性质。该初等关联函数具有与文[1]初等关联函数相似的性质．且统一了有公共端点和无公共端点区间类型，能消除量级和量纲的影响，使得可拓优度评价结果更客观，在除了公共端点外的全体实数域内连续且在中点取得最大值，并有更宽的适用范围。     

动态投入产出优化模型

[1]、[2]文给出了动态投入产出模型及其调节器。本文在[2]文的基础上提出了动态投入产出优化模型,并给出了求解的方法与步骤,无疑,动态投入产出优化模型在经济发展研究中具有十分重要的意义。     

多目标决策的限界搜索法(BSM)

在多目标决策问题的求解方法中,交互式方法已经发展成为最为活跃、最有希望的分枝之一。其中STEM(逐步法)具有简明和实用的特点。文[3]将SETM用于学术部门和计划决策中;[4]改进了STEM并将其用于制定生产计划;[7]将STEM推广到求解非线性问题。尽管这类算法受到重视,但它在交互分析过程中还存在应用上的弱点。首先是,这类算法在每次获取偏好信息时,必须要求决策者     

耐用消费品消费宏观动态随机模型的若干推广

将文[5]中的耐用消费品宏观动态随机模型进行了一些推广,得出了消费者在各个不同折旧阶段上逗留时间非同分布、消费者之间非独立、消费者人数可变等几种情况下的耐用消费品消费宏观动态随机模型。     

考虑旧产品质量和企业服务水平的混合系统批量模型

对一类考虑旧产品质量和服务水平的混合系统进行研究.产品使用后从顾客处返回,但只有满足质量要求的部分旧产品用于再制造,其余的被处置.在一个模型周期里,可再制造品被存储起来,并在期末成批转入生产车间,在需要时用于再制造.需求确定且由制造新品和再制造品来满足,二者构成了服务性产品库存,可再制造品库存由生产车间和旧产品仓库的可再制造品组成.延迟交货是允许的,但缺货量受到企业服务水平的制约.对一次制造准备和至少一次再制造准备的策略与至少一次制造准备和一次再制造准备的策略分别进行研究,提出了准备次数为整数的最优制造批量、再制造批量等的求解方法.本文是对文[11]、文[12]、文[13]研究的进一步推广.     

对美式期权定价中一类蒙特卡洛过程收敛速率的研究

对于文[1]中所述的蒙特卡洛过程，进一步讨论其有关序列的胎紧性，给出并证明与收敛速率相关的中心极限定理。     

最大速度恒定的连续Petri网(CCPN)的性质及判定方法

最大速度恒定的连续Ｐｅｔｒｉ网是由Ｄａｖｉｄ等最早提出的一类时延连续Ｐｅｔｒｉ网模型，但并未对其性质给出确切的定义及相应的判定方法。文「１」中给出了ＣＣＰＮ的演变图及其构造算法，本文在给出ＣＣＰＮ以对扬系统进行性能分析。     

改进的自适应广义预测极点配置加权控制器

预测控制在应用时，一个值得注意的重要问题是如何减小计算量，保证实时性问题，文献[1]的广义预测极点配置加权控制器在这方面已有改进，但仍要在线求解闭环极点方程，计算量仍较大，本文提出用计算量小的递推算法辨识上述方程参数的新方案，同时推广了文献[1][2]有关Diophantine方程的递推算法，应用表明本文方案的有效性。     

保险系统中的一个损失分布模型

基于保险人数为随机变量、每个被保险人的平均损失费各不相同时，导出被保险人总损失费的分布，拓展了文[2]的结果。     

时滞Markov跳变BAM神经网络的鲁棒稳定性

针对一类具有Markov跳变参数的时滞双向联想记忆(BAM)神经网络,研究了其在系统参数不确定情况下的鲁棒稳定性.在不要求连接权矩阵的对称性和激励函数的可微性与单调性的情况下,通过构造适当的Lyapunov泛函得到了此类神经网络均方鲁棒稳定的充分条件.该条件考虑了时滞Markov跳变神经网络中参数的不确定性,改进了现有文献中的关于时滞Markov跳变神经网络的稳定性条件,所得结果以线性矩阵不等式(LMI)的形式给出.最后,通过实例仿真验证了所得结论的有效性.     

Finite-Time and Fixed-Time Synchronization of Inertial Neural Networks with Mixed Delays

This paper considers the drive-response synchronization in finite-time and fixed-time of inertial neural networks with time-varying and distributed delays(mixed delays). First, by constructing a proper variable substitution, the original inertial neural networks can be rewritten as a first-order differential system. Second, by constructing Lyapunov functions and using differential inequalities,some new and effective criteria are obtained for ensuring the finite-time synchronization. Finally, three numerical examples are also given at the end of this paper to show the effectiveness of the results.     

Stability analysis of extended discrete-time BAMneural networks based on LMI approach

1 .INTRODUCTIONBidirectional associative memory model is a kind ofneural network models in common use with the abili-ty of information memory and association. Since thedistributed memory of the information,the networkcan associate a completed and clear mode stored in itfroman uncompleted and fuzzy mode . Bidirectionalassociative memory (BAM) proposed by B. KoskoinRef .[1] is a generalization of Cohen-Grossberg’smodel from single layer to two layers . Since then,there have beenlots of …     

时滞竞争神经网络的全局指数稳定性

对于不同时标的时变时滞竞争神经网络的网络模型,通过构造适当的Lyapunov函数,结合微分不等式分析,研究了时变时滞竞争神经网络的全局指数稳定性,获得了新的全局指数稳定性判据,所得判据推广和改进了前人的相关结论。最后的数值仿真例子证明了该算法的有效性。     

Nonlinear Dynamics and Stability of Neural Networks with Delay-Time

In this paper we study the dynamic properties and stabilities of neural networks with delay-time (which includes the time-varying case) by differential inequalities and Lyapunov function approaches. The criteria of connective stability, robust stability, Lyapunov stability, asymptotic atability, exponential stability and Lagrange stability of neural networks with delay-time are established, and the results obtained are very useful for the design, implementation and application of adaptive learning neural networks.     

Stability of stochastic neural networks with Markovian jumping parameters

The global asymptotical stability for a class of stochastic delayed neural networks (SDNNs) with new delay-dependent stability conditions are derived. All results are expressed in terms of linear matrix inequality (LMI), and a numerical example is presented to illustrate the correctness and less conservativeness of the proposed method.     

一类时滞递归神经网络间的鲁棒自适应同步

针对一类具有不同吸引子的时滞递归神经网络间的同步问题,提出了一个自适应同步控制策略,建立了具有不同吸引子的两个神经网络间全局鲁棒同步的一个新判据。所提出的自适应同步控制策略不仅适用于结构已知的神经网络,而且也适用于不同结构和部分参数已知的神经网络,且对未知参数部分,由自适应更新律来辨识其参数。所提出的同步判据容易验证和控制律容易实现,数值仿真验证了所提方法的有效性。     

Exponential stability for cellular neural networks: an LMI approach

A new sufficient conditions for the global exponential stability of the equilibrium point for delayed cellular neural networks （DCNNs） is presented. It is shown that the use of a more general type of Lyapunov-Krasovskii function enables the derivation of new results for an exponential stability of the equilibrium point for DCNNs. The results establish a relation between the delay time and the parameters of the network. The results are also compared with one of the most recent results derived in the literature.     

基于时变延迟混沌神经网络的H∞同步保密通信

针对一类含保密信息的时变延迟混沌神经网络,提出了同结构H_∞同步控制方案, 在实现同步后能有效恢复出隐藏的多路明文信号。利用线性矩阵不等式方法为同结构时变延迟混沌神经网络设计了H_∞同步控制器,在此基础上应用Lyapunov方法分析了同步误差的收敛性。当同步误差收敛时,可根据被动系统状态恢复出所传输的隐藏信号。仿真结果表明,该控制方案可以实现变时延混沌神经网络同步,并能恢复出多路明文信号。     

基于优化的RBF神经网络模式识别新方法

提出了一种基于Hough变换优化的RBF神经网络模式识别新方法,该方法把Hough变换应用于RBF神经网络的参数确定中,实现了RBF神经网络的隐层节点数和数据中心值的自适应获取,提高了RBF神经网络的泛化能力。仿真结果表明:此改进的RBF网络用于模式识别中具有识别能力强,计算量小,识别速度快的优点,具有广阔的应用推广前景。