细胞神经网络生物视觉信息处理模型

分析了连续细胞神经网络,离散细胞神经网络和时滞细胞神经网络的数学模型和在图像处理方面的特点.根据人类视觉的产生机制,提出了一种由多个细胞神经网络组成的生物视觉信息处理模型.该模型充分利用了细胞神经网络的并行处理能力,具有快速性.本工作可作为机器人仿人视觉与视觉信息处理的研究基础.     

离散双向耦合记忆神经网络的指数稳定性

研究离散双向耦合记忆神经网络平衡点指数稳定性．这种网络模型带有多重时滞,通过Brouwer不动点理论以及相关不等式技巧来讨论这种网络平衡点的指数稳定性．     

具连续分布时滞细胞神经网络的指数稳定性

利用Cramer法则和Brouwer不动点定理,通过构造适当的Lyapunov泛函并结合矩阵形式的Halanay微分不等式分析技巧,研究了一类具有连续分布时滞的细胞神经网络模型的动力学性质,获得了该模型的平衡点的存在性和全局指数稳定性的充分条件.改进和推广了已有文献的结论.这些结果对设计全局指数稳定的细胞神经网络具有重要的指导意义.     

对神经网络中一类模型不动点的分析

研究了一类神经网络模型的自治系统和不动点,发现随着参数w的变化,模型可能出现2-6个不动点,其中在3个和5个不动点时会出现分岔点.通过计算线性化矩阵和特征值,确定了各不动点和分岔点的性态.     

产生有毒物质的浮游植物—浮游动物离散动力学模型分析

从浮游植物与浮游动物的连续动力学模型出发,建立了一个浮游生物的离散动力系统,然后研究了正不动点的存在性、局部稳定性以及关于环境对有毒浮游植物的最大承载能力的局部分叉,并且运用中心流行定理分析了在flip分叉值处不动点的局部稳定性,最后用数值模拟方法验证了不动点的局部分叉,描述了捕捞力度对浮游生物资源的可持续利用的影响.     

利用反馈神经网络对非线性连续系统进行实时建模

利用时变反馈神经网络的概念及二维线性连续 离散型系统的理论给出了非线性连续系统的一种实时建模方法.理论及仿真实验结果均表明,这种实时模型能够任意逼近非线性连续系统.     

有变时滞离散神经网络的指数稳定性

文章通过Brouwer不动点理论论证平衡点的存在性,利用相关矩阵不等式论证其全局指数稳定性,研究具有变时滞离散神经网络平衡点的指数稳定性.     

一个离散捕食模型退化不动点的稳定性

研究了一个具有Allee效应的离散捕食模型退化不动点的稳定性.首先计算模型的正规形,应用Picard迭代和Takens’s定理将正规形嵌入向量场的流.然后通过极坐标变换得到了向量场退化平衡点的稳定性.最后利用向量场与模型的近似关系得到退化不动点的稳定性.     

基于视觉反馈机器人的yoyo运动控制

提出了一个根据yoyo状态决定机器人动作时间的开关控制策略,并分析了和原连续系统相关的离散返回映射及其不动点的稳定性.理论分析表明,只要保证加速度大小的控制参数维持在一定水平之上,就可以保证其不动点的稳定性.在一个实时机器人的yoyo操作系统上成功地验证了所提出控制算法的稳定性,以及关于返回映射不动点的理论分析结果.     

用动态层次聚类算法改进粗糙集-神经网络建模过程

用动态层次聚类算法取代原先用于粗糙集-神经网络建模方法中的模糊-C-mean一般聚类算法,统一处理粗糙集理论中的离散与连续属性.从而使性能卓越的粗糙集-神经网络模型的应用范围得到了极大的拓展,使之具有了普遍性意义.     

离散化四足机器人自由步态控制方法

为了实现离散化四足机器人自由步态的控制,提出一种新的基于中枢神经模式发生器(CPG)的自由步态控制方法。介绍了离散化四足机器人模型,在已确定的地形中,设定四足机器人起始点与抵达点的状态。将连续步态按照离散化步态完成排序,形成排序集合。在此基础上,利用中枢神经模式发生器CPG,采用周期性振荡信号对离散化四足机器人腿部各关节进行控制,给出单独神经元模型。为了便于分析,使用互抑神经元构成的振荡器对神经元的输出信号进行改善,通过该振荡器产生规律的振荡信号,以控制离散化四足机器人完成自由步态移动。实验结果表明,所提方法能够有效控制离散化四足机器人实现自由步态移动。     

一类离散神经网络模型的分支

通过讨论一类离散神经网络模型,利用数学分析技巧,对线性化系统的特征根进行分析,获得了平衡点的局部稳定性及分支点,并利用规范型理论和中心流形理论得出了分支方向和稳定性的计算公式．     

延迟离散Hopfield网络及其串行稳定性

利用Lyapunov泛函方法,引入一种延迟离散Hopfield网络,给出该网络收敛到稳定点时网络参数应满足的条件及能量函数达到极值与网络收敛二者之间的关系,为实际应用打下了理论基础.     

含扩散项时滞模糊Cohen-Grossberg神经网络的指数稳定性

文章讨论了一类含扩散项的混合时滞模糊Cohen-Grossberg神经网络,通过一些基本分析手段和不等式技巧,得到了平衡点的唯一性和全局指数稳定性的充分条件,通过实例模型验证了指数稳定性。     

细胞神经网络稳定的一个充分条件

主要研究了一类细胞神经网络的稳定性问题。通过使用构造适当的Liapunov泛函的分析技巧和一些变换算法对细胞神经网络的数学模型进行了研究,证明了细胞神经网络平衡点的存在性,给出了细胞神经网络的平衡点是全局渐近稳定的平衡点的条件。这些条件可以使细胞神经网络的设计更加容易,因此具有重要的实际意义。     

具有指数型二分性离散系统的反周期解

考虑一类具有指数型二分性非线性离散系统的反周期解.首先证明若齐次线性系统具有指数型二分性,则对应非齐次线性系统存在反周期解;然后借助该结论及Banach不动点定理,给出非线性离散系统存在唯一反周期解的充分条件;最后给出应用实例.     

离散非线性时变系统指数稳定性的充分条件

在相当弱的条件下证明了离散非线性时变系统指数稳定性的一个充分条件,并给出了构造性证明.作为应用,给出了线性时变周期离散系统稳定性的某些简单实用的代数判据.     

基于时变神经网络的迭代学习辨识算法

为了实现在有限时间区间上可重复运行的离散时变非线性系统辨识,给出基于时变神经网络的迭代学习辨识算法.对于每一个固定时刻,以该时刻的神经网络逼近该时刻系统输入输出间的映射关系,提出了在同一时刻沿迭代轴训练网络权值的带死区迭代学习最小二乘算法,为防止收敛速度下降过快,进一步提出了协方差阵可重调的改进算法.所提算法有较快的收敛速度,且时变神经网络对非线性时变系统的辨识精度也较高.     

基于BP神经网络的光栅莫尔条纹细分方法

一种基于BP神经网络的光栅莫尔条纹细分方法可以提高光栅莫尔条纹的细分精度。在1个莫尔条纹信号周期内采集多个样本点进行差值细分,利用3层BP神经网络,将获得的差值作为网络输入,该样本点在1个栅距内的微位移量作为目标输出,建立合理的网络模型,与DSP微处理器相结合实现莫尔条纹细分。通过对样本点的学习,莫尔条纹细分精度可以达到0．001微米级。同时对非样本点进行验证,实验结果表明该系统具有可行性。