通有神经网络稳定性的进一步研究

应用大系统稳定性的分块估值方法,对通有神经网络的稳定性进行了研究,给出了新的判据.     

通有神经网络稳定性的进一步研究

应用大系统稳定性的分块估值方法，对通有神经网络的稳定性进行了研究，给出了新的判据。     

分块三角形连接权矩阵神经网络及其应用

本文对连接权矩阵为分块三角阵的神经网络的稳定性进行了研究,证明了连接权矩阵为严格三角阵的神经网络具有全局稳定性。最后构造了一种具有全局稳定性的人工神经网络A/D转换电路。     

基于图论的离散Hopfield网络稳定性研究

以图论为工具，主要对连接权矩阵为对角分块形式的离散Hopfield神经网络的稳定性进行了研究。通过构造网络状态图证明了它的稳定性完全可由对角块为连接权矩阵的Hopfield网络的稳定性来确定，并给出了几个相应的结果。     

一种故障诊断方法的改进

在粗糙集理论与神经网络结合的故障诊断方法中,当故障诊断系统中条件属性的个数较多时,可采用一种先分块建立决策表再约简的方法。笔者对该方法的可行性和算法的时间复杂度进行了分析,结果证明,分块建立决策表是可行的,可以降低约简的复杂度,从而缩短约简工作的时间。     

关于细胞神经网络稳定的一个充分条件

研究了一类细胞神经网络的稳定性问题.通过构造适当的Liapunov泛函采用一些变换算法并结合不等式分析技巧,进一步探讨了细胞神经网络的稳定性条件.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是全局一致渐近稳定的充分条件.这些条件可使细胞神经网络的设计更加容易,因此具有比较重要的理论意义和应用价值.     

基于RBF逼近不确定项的机械手自适应控制研究

针对机械手控制系统中的不确定因素,提出了RBF神经网络逼近不确定项的自适应控制策略。在逆动力学计算力矩方法的基础上,设计了鲁棒自适应控制器。利用RBF神经网络对模型中的不确定项分块进行逼近,并用Lyapunov稳定性理论建立了网络权重自适应学习律,证明了系统的全局稳定性;最后进行了仿真,结果表明该方法能够有效的消除模型不确定性的影响,准确地实现了轨迹跟踪。     

离散大系统的稳定性分解

本文根据矩阵的特征值,讨论了一类线性时变离散系统的稳定性,并且运用分解方法,研究了线性时变离散大系统和非线性离散大系统的稳定性问题,得出由分块矩阵的特征值及模判定稳定性的条件。     

变时滞Cohen-Grossberg 随机神经网络的矩指数稳定性

本文讨论了随机变时滞Cohen-Grossberg神经网络的矩指数稳定性.利用Ito公式、时滞微分不等式和神经网络的特征，作者导出了这类神经网络矩指数稳定性的代数条件并给出了一个说明性实例.     

一类具时滞细胞神经网络的全局一致渐近稳定性

讨论了一类具时滞细胞神经网络平衡点的全局一致渐近稳定性, 通过构造合适的Lyapunov泛函, 得到了三个具时滞细胞神经网络全局一致渐近稳定性的新的充分条件。     

具有两个神经元的时滞细胞神经网络的周期解

考察了一类具有两个神经元的时滞细胞神经网络系统,利用重合度理论中的延拓定理和不等式的分析原理,在放弃已有文献对神经网络中信号函数所要求的李普希兹条件的前提下,分三种情形,得到了该系统周期解存在的充分判据.这些条件在一些应用领域是可行的且易检验,同时也为神经网络系统周期解的存在性问题提供了一个新的有效方法.     

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。     

Global exponential periodicity of a class of recurrent neural networks with non-monotone activation functions and time-varying delays

The periodic oscillation and the global exponential stability of a class of recurrent neural networks with non-monotone activation functions and time-varying delays are analyzed. For two sets of activation functions, some algebraic criteria for ascertaining global exponential periodicity and global exponential stability of the class of recurrent neural networks are derived by using the comparison principle and the theory of monotone operator. These conditions are easy to check in terms of system parameters. In addition, we provide a new and efficacious method for the qualitative analysis of various neural networks.     

基于差异性度量的选择性神经网络集成

基于神经网络间的差异性,提出一种选择性神经网络集成方法.该方法利用差异性度量,选择满足一定条件的个体神经网络组成神经网络集成,选出的个体神经网络既满足个体的精度要求,又满足个体神经网络之间的差异性要求.理论分析和实验结果表明,利用该方法能够提高神经网络集成的分类识别率.     

离散Hopfield神经网络的动态行为分析

离散Hopfield神经网络的稳定性不仅本身有重要的理论意义，而且也是网络应用的基础。主要研究非对称离散Hopfield神经网络在并行演化模式下的动力学行为，得到了一些新的稳定性条件，所获结果进一步推广了一些已有的结论。     

离散Hopfield神经网络的全局渐近稳定性

给出了 DHNN的收敛性的详细证明 ,并对以前文献中关于 n2的证明进行了补充 ,给出了串行方式下权阵非对称时的收敛条件。     

线性和型人工神经网络的拓扑结构和统一描述

本文从控制系统的角度讨论了线性和型人工神经网络的拓扑结构和统一描述问题,对一些典型网络模型的分析表明:采用控制系统理论中关于系统描述与结构分析的传递矩阵和框图方法来分析神经网络,不仅可使网络的结构清晰化,而且还可为网络的综合提供一条系统的思路.     

具时滞的非线性CNN系统的行波解

研究一维离散的神经网络细胞模型,其输出函数是非线性的且其信息反馈具时滞,通过构造方程的上、下解,采用单调迭代准则得到当系统的波速c满足一定条件时存在单调行波解.     

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。