一类动态反馈型神经网络的绝对稳定特性分析

对于互连矩阵为T的连续反馈神经网络，有唯一平衡点的充分必要条件是—T的所有主子行列式非负(即—T∈P0)，而该网络绝对稳定的充分必要条件是T∈∧0∩Г0。上述结论回答了Fang提出的一个问题：具有唯一平衡点的连续反馈型网络是否是绝对稳定的?揭示了具有唯一平衡点的连续反馈型网络不一定是绝对稳定的，它也可能是局部稳定的。     

一类学习联想神经网络的动态特性研究

本文讨论了一类联想神经网络在学习新的模式过程中，结构变化引起网络平衡点状态变化的动态特性；分析了联想过程中输入激励在噪声干扰情况下网络的抗噪性能，得到一些对于研究联想神经网络学习性质有用的结论。     

一种指数型动态神经网络的定性分析

研究了由Ｔ．Ｄ．Ｃｈｉｕｃｈ和Ｒ．Ｍ．Ｇｏｏｄｍａｎ在１９８８年提出的指数型动态神经网络，给出了给定标准模式为该网络稳定点的一个简明的充分条件，并得到了这类稳定点的一步收敛半径。指出在概率意义下系统不存在伪稳态。     

基于动态反馈神经网络的复杂系统预测控制

在分析基于动态反馈神经网络(DRNN:Dynamic Recurrent Neural Network)的模型预测控制策略的基础上,为改善Elman网络辨识高阶系统时的计算复杂性,采用具有局部动态反馈特性的Elman网络进行线性系统状态空间模型的在线辨识.基于跟踪器型性能指标的预测控制器对系统进行滚动优化,并对动态反馈神经网络逼近状态空间模型进行了证明.对过程控制装置三容系统进行了仿真研究,通过离线训练方式获得网络初值的选择.仿真结果表明,此算法能使系统的输出保持期望轨迹,并能有效处理系统本身的输入、输出约束条件.     

非线性动态系统中的反馈神经网络逼近*

人工神经网络常用于非线性动态系统建模,动态子系统中可以运用多种形式的静态非线性。为完成非线性动态系统建模,利用神经网络结构来近似静态非线性关系。自然地,建模过程中会出现相应的误差估计。分析了基于离散化和数据抽样系统结构因素建模所引起的误差,发掘出了等价输入输出结构可以作为误差分析的一种度量工具,刻画出了模型设计误差和逼近误差之间的相依关系并找到了如何选择合适的系统结构来减小误差。     

关于神经网络高阶连接的张量描述及动力学分析

神经网络中与联想记忆密切相关的两个动力学性质是网络的稳定性和吸引性，针对高阶连接网络，首先讨论了通常所用的Ｈｅｂｂ规则下网络的稳定性和吸引性问题，由于Ｈｅｂｂ规则对于正交或近似正交的原型模式才有较好的联想记忆能力，故文中又针对一般线性无关模式，给出了保证这些模式稳定平衡点的高阶连接权的秩１张量形式，该形式可看作高阶连接的伪逆规则，通过对网络稳定性和吸引性的分析，得出一些充分条件，这些条件对高阶网的     

基于匹配滤波模型神经网络在数控机床故障诊断中的应用

为了改善双向联想记忆(BAM)神经网络的性能,提出了一种修正模型.该模型能增强神经网络的记忆容量和容错联想能力,具有渐进稳定的特征,并且改进了网络平衡状态的稳定性和吸引性能.理论分析和实验结果证明,这种修正模型不仅能正确完成数控(CNC)机床的故障诊断,而且对于存在干扰的输入信号序列具有很好的容错联想能力.     

时间序列辨识的动态自反馈神经网络

本文提出用∑－π自反馈神经网络辨识时间序列。每个神经元的输出取决于现时的输入及前面的输出和过去的输入。使网络呈现动态系统性。用它能逼近一个复杂的函数。     

协同神经网络及其在模式识别中的应用

本文介绍了协同神经网络的基本思想,重点研究了协同神经网络在模式识别技术中的应用题,包括动力学模型、网络结构及学习算法,同时与传统的Hopfield网络进行了比较。     

一个非全局连接神经网络模型

为了降低神经网络的连接复杂度,以利于硬件实现,本文提出了一个非全局连接的神经网络动力学模型,包括网络的能量函数、局域场和学习规则。基本思想是将Hopfield网络分解成若干个子网络,并建立各子网络之间的联系。对此模型的联想记忆过程统计分析表明,与Hopfield网络相比,一次分解后的连接数减少了25%,但网络的存储量和联想能力不变;多次分解后的连接数大大减少了,尽管网络的存储量和联想能力有所下降,但每个连接系数的平均存储能力提高了近1倍。本文最后讨论了高阶连接和多层网络结构的关系.     

人工神经网络在手感评定中的应用

针对现有的手感评定方法在识别准确性,容错性和适应性方面存在的问题,提出了用4个检测模型产生手感信号,并用BP神经网络处理信号的具体方法和步骤.实验证明,BP神经网络具有较好的自适应模式识别能力和容错性.     

Memory Chain in a Chaotic Autoassociative Neural Network

Memory chain is observed in a chaotic autoassociative neural network. The network recalls first stored pattern from a fragment of a memory, stays at this pattern for a while, transits to the second stored pattern that overlaps with the first recalled pattern.Then it stays at the second recalled pattern for a while, transits to the third stored pattern that overlaps with the second recalled pattern, and so on. Thus a memory chain is generated. The memory chain ends with the pattern that overlaps no other stored patten. This phenomenon is similar to the way of recalling process of human beings in some respects.     

Hopfield人工神经网络在工程优化中的应用

本文对Ｈｏｐｆｉｅｌｄ人工神经网络基本电路模型进行了分析．在此基础上提出了用Ｈｏｐｆｉｅｌｄ模型解决工程优化中的设计问题．给出了Ｈｏｐｆｉｅｌｄ人工神经网络在工程优化中的应用实例．结果表明：Ｈｏｐｆｉｅｌｄ人工神经网络是解决最优化问题的有效途径     

一种新型联想记忆神经网络

提出了一种新型联想记忆神经网络,记忆容量接近2^N,完全消除了假模式,具有多模式回忆能力,同时具有较高的记忆效率;模式的各个分量分别存储在网络的N个连接中,这些连接构成一个通过网络中所有神经元的被称为“模式环”的单环回路;网络中处理和传递的信号为神经元编号组成的序列,神经元执行一组处理这种序列的符号和逻辑运算;连接由“连接状态”和“禁止路径”组成,前者用于存储信息,后者用于抑制网络中出现的假模式。     

基于分类思想的联想记忆神经网络

根据分类思想设计了2层反馈自联想记忆神经网络模型，它符合大脑联想记忆的分类思想，能保证每个样本模式为稳定状态，其吸引域在平均意义上达到最大值。     

神经网络补偿的状态反馈控制

提出一种具有神经网络补偿的状态反馈控制方法并用于液压伺服位置控制系统。仿真和实验研究结果表明,该方法可有效地提高经典状态反馈控制系统的动态性能。     

用简单动态递归网构造固体散料流量模型

提出了用简单动态递归网来建立固体散料流量模型，针对动态递归网结构复杂，训练算法收敛速度慢的缺点，采用一种结构十分简单的递归网，对RPE算法进行了改进和补充，使之适用于简单递归网，用来对网络的权值和阈值进行调整，建模结果表明此方法收敛速度快，精度高。     

基于BP神经网络的库存动态预测及其应用

利用库存的历史数据,建立了动态环境下一个基于BP神经网络的初始库存模型,采用提前结束训练法克服因样本量不足而产生的网络过适应问题,并通过网络的训练获得一个关系简单的库存模型.每次获得新样本数据后对模型进行重构,达到了动态建模和分析的目的,并用实例进行了说明,为库存系统的管理决策提供了理论依据.