具有时滞的递归神经网络动力学研究进展

神经网络是人工智能领域的一个重要研究方向,从动力学角度分别介绍了具有时滞的连续型及离散型递归神经网络的研究进展、研究方法,并对今后的研究工作做了展望.     

分布时滞中立型不确定神经网络稳定性分析

神经网络是高度复杂的大规模的非线性动力学系统,具有丰富的动力学行为。神经网络被广泛应用于信号处理、图像处理和人工智能等问题中,所以其理论研究受到了很大的重视,并得到一系列好的结果。时滞现象是普遍存在于神经网络中的,而造成神经网络系统不稳定和震荡的根源往往是时滞。同时,时滞的种类有多种,不同的时滞会表现出不同的动力学特性,因此研究不同种类的时滞神经网络的稳定性问题具有非常实际的意义。另外由于所获系统信息的不全面或存在一定的信息偏差,系统常常被刻画的不准确,因此利用所获信息得到的系统模型必然存在不确定性。研究一类具有分布时滞的中立型不确定神经网络模型稳定性问题,应用Lyapunov函数理论,以及线性矩阵不等式的技巧,进一步研究了神经网络的稳定性问题,提出了神经网络渐近稳定性的判据,最后通过数值算例来验证所得结论的正确性和有效性。     

基于反馈控制的分数阶时滞神经网络的同步

研究了分数阶时滞神经网络的同步问题,通过使用Mittag-Leffler函数和线性反馈控制,给出了同步控制器解析式,得到了关于Caputo导数的时滞神经网络同步的充分条件;系统同步的条件容易证明和实现且仅依赖于系统的结构;最后通过数值模拟验证了理论的有效性.     

不确定随机时滞反应扩散广义细胞神经网络的有限时间鲁棒稳定性

细胞神经网络已成为应用数学领域研究的热点之一.时滞、反应扩散、不确定项的引入对于广义细胞神经网络的研究具有实际意义.在实际中,需要知道系统在某个固定的时间间隔的动态行为,即系统的有限时间稳定性.在不确定项范数有界的条件下,通过构造Lyapunov泛函,运用Ito公式和稳定性理论,给出了系统的有限时间鲁棒稳定性的充分条件,这些条件既依赖于时滞又依赖于反应扩散项.最后的数值举例表明了结论的有效性.     

一类SEIRS模型稳定性分析(英文)

建立了一个SEIRS流行病模型,考虑更一般形式的非线性发生率.对恢复类中有时滞和没有时滞的模型进行了比较.结果显示,带有时滞的模型的动力学行为与不带时滞的模型的动力学行为是不同的.对于不带时滞的模型,如果基本再生数小于1,无病平衡点(DFE)是全局渐近稳定的.当基本再生数大于1时,不论免疫期的长短系统都存在唯一的地方病平衡点,并且在一定的条件下是局部渐近稳定的.对于带有时滞的模型,DFE的稳定性依赖于基本再生数和时滞.而且,唯一的地方病平衡点的稳定性也依赖于时滞.另外,通过数值模拟显示,当时滞在一定的范围内时,周期解有可能会出现.     

一类离散反馈型时滞细胞神经网络模型及其数值模拟

细胞神经网络是一个大规模非线性系统,具有高速并行计算且易于硬件实现等特点,已被广泛应用于模式识别,图像处理等领域。本文基于时滞方程和反馈控制,对离散反馈型细胞神经网络进行设计,给出了满足相应功能的模板及其动力学分析,提出了一类离散反馈型时滞细胞神经网络,并借助模拟平台Matlab 7.0对基础的随机布朗运动进行了初步的数值模拟,数值模拟结果充分显示了布朗运动的随机性,证实了理论分析的有效性。该模型经过一定时间后能对粒子的随机状态作出反馈,可用于模拟二维平面上的随机行走。     

一类具变时滞的Hopfield神经网络模型拉回吸引子的存在性

利用不等式技巧讨论一类具有变时滞的Hopfield神经网络系统的动力学行为, 证明该系统拉回吸引子的存在性和唯一性.     

一类线性不确定性时滞系统的鲁棒控制器设计

研究一类具有状态和控制输入不确定性的时滞系统的鲁棒镇定问题.基于Lyapunov函数,利用线性矩阵不等式给出了系统可由状态反馈鲁棒镇定的充分条件,并且利用线性矩阵不等式的解构造了状态反馈控制律.所得结果包含时滞的信息,比不依赖于时滞的结论具有较少的保守性.     

具有Markov跳的时滞中立系统的均方指数稳定

文章研究了带有Markov跳的随机中立系统的均方指数稳定性问题,考虑带有Markov跳的中立系统,并同时考虑了系统具有时滞及非线性干扰。该模型中所考虑的状态时滞和分布时滞依赖于Markov跳,所考虑的Markov跳是具有连续的时间和连续状态的Markov过程;基于Lyapunov-Krasovskii理论,利用积分不等式的方法,得到带有Markov跳的时滞中立系统均方指数稳定的充分条件;数值例子说明了该方法的有效性。     

时滞的具有两个神经元的分数阶神经网络系统的混沌与同步

为了研究具有时滞的神经网络系统中复杂的动力学的特性,该文对一个明确的时滞的具有两个神经元的分数阶混沌神经网络系统,设计出一个求解该分数阶混沌神经网络系统的数值算法.在此基础上,利用拉普斯变换理论证明了该系统的可同步性,并通过数值仿真验证了同步的有效性.     

金融时间序列预测中的神经网络方法

概述了神经网络方法在金融时间序列预测应用中所面临的有关问题,给出了解决方法;针对有关模型和算法作了计算模拟与分析,得到了一些可供今后研究参考的经验结果;讨论了金融时间序列预测中主要的神经网络模型,如多层前馈网络、径向基函数网络以及支持向量机网络等.总结了关于模型改进的一些近期研究进展与结果,指出了神经网络用于金融时间序列预测的一些可能的方向.     

多变量模糊推理系统的神经网络实现

以双缸连通液面Ｆｕｚｚｙ控制系统为模型，研究了多变量Ｆｕｚｚｙ推理系统的神经元网络实现问题。这里主要考虑如下二个问题：（１）ＢＰ网络在语言环境下实现多变量Ｆｕｚｚｙ推理系统的有效性；（２）神经网络结构（隐层节点个数及输出层激发函数）对推理结果的影响。仿真结果表明，在语言环境下ＢＰ网络具有很强的近似推理能力，基于ＩＦ－ＴＨＥＮ的多变量Ｆｕｚｚｙ推理系统可由一个ＢＰ网络训练学习而加以实现，从而为有效的实现多变量复杂系统的Ｆｕｚｚｙ控制奠定了基础。     

分子计算理论与神经网络

本文以“智能—问题求解—信息处理—学习和记忆—系统实现”为线索,介绍了分子计算及神经网络的基本概念和原理,提出了它们的研究层次及其异同点,详细讨论了进化学习算法和神经网络的自组织原则,并利用最大信息准则,给出了无导师学习算法的统一描述框图.本文最后讨论了分子计算与神经网络的实现问题,认为分子电子器件是神经网络实现的一条可能途径.     

A Neural Network Method for Reliability Optimizations of Complex Systems

0 Introduction The reliability has become a key factor in the design and operation of complex systems[1]. In general, the de- sign of a system involves numerous discrete choices among available component types based on reliability, cost, performance etc. …     

基于覆盖的神经网络集成在语音识别中的应用

神经网络集成通过训练多个神经网络并将各网络的结论进行合成,从而得到最终结果.集成可以显著的提高学习系统的泛化能力.讨论了基于覆盖思想而设计的神经网络集成方法,并将其应用于汉语孤立数码语音识别系统中,通过在集成过程中加入基于覆盖思想的控制算法降低系统的泛化误差,从而使系统的识别效果有了进一步的提高.     

用Hopfield神经网络解决作业车间调度问题

对作业车间调度问题的换位矩阵表示方法进行了改进,给出新的作业车间调度问题的 Hopfield 神经网络计算能量函数表达式,然后提出改进的 Hopfield 神经网络作业车间调度方法。为了避免 Hopfield 神经网络容易收敛到局部极小的缺点,将模拟退火算法应用于 Hopfield 神经网络求解,提出随机神经网络作业车间调度方法。与已有算法相比,改进算法能够保证神经网络稳态输出为可行的作业车间调度方案。     

脉冲时滞BAM神经网络稳定性研究

研究了带有脉冲的时滞双向联想记忆(BAM)神经网络的稳定性问题.通过对网络系统的研究,根据脉冲的特点,采用Lyapunov稳定性理论和一些矩阵分析的技巧,得到了脉冲时滞BAM神经网络的稳定性结论,其中包括稳定点的唯一性判据和稳定性的判据,说明脉冲时滞BAM神经网络的稳定性问题是网络本身的特性,最后通过数值算例验证了论文的可行性和有效性.     

忆阻型模糊细胞神经网络在时滞脉冲控制下的全局指数同步

文章研究了忆阻型模糊细胞神经网络的全局指数同步控制问题。首先,通过采用Filippo解和可测选择理论将忆阻模糊细胞神经网络转化成一类参数不确定的神经网络,并给出一个新颖的不等式以解决模糊反馈连接权重的参数不确定问题;然后,通过设计时滞脉冲控制器,并结合李雅普诺夫函数法、脉冲不等式以及给出的新的不等式,得到驱动忆阻模糊细胞神经网络与响应忆阻模糊细胞神经网络在时滞脉冲控制下指数同步的结果;最后,通过数值模拟验证了理论结果的有效性。研究结果表明:采用合适的控制器,忆阻型模糊细胞神经网络的驱动-响应系统是可以达到指数同步的。     

基于混杂脉冲切换控制的时滞混沌神经网络的镇定

针对一类离散时滞混沌神经网络,研究其基于混杂脉冲切换控制的镇定问题.利用切换Lyapunov函数方法和S过程技巧,得到了受控的神经网络的指数稳定判据.该结果反映了脉冲控制和切换控制对闭环系统的稳定性的影响.离散时滞Hopfield混沌神经网络例子表明了所给镇定方法的有效性.     

利用串/并联神经网络建立化学反应器模型

本文研究使用线性动态神经网络与非线性的静态网络相结合的混合建模方式解决复杂非线性系统的建模问题。使用混合神经网络建模，可以降低单个网络的训练难度，基于此，也可将非线性系统控制策略的求解分解，转换为线性系统的求解。从而改善使用单一神经网络建模存在的精度不高以及训练时间长等不足，也为非线性系统控制策略的求解提供方便。本文以一个典型多变量系统——连续搅拌釜式反应器（CSTR）作为仿真对象，详细研究和实现了两类神经网络串联和并联的混合建模方法，并对结果进行了比较。