一类递归神经网络系统的有限时间同步

针对非线性电路网络系统中的特殊系统—递归神经网络系统,本文拟采用事件触发间歇控制策略研究递归神经网络的有限时间同步问题.首先,根据有限时间间歇控制的理论推导过程,提出事件触发间歇控制规则;其次,提出间歇控制器,利用Lyapunov稳定性方法以及一些不等式技巧,得到了实现驱动-响应神经网络系统的有限时间同步的充分条件,并...     

求解二次规划的一个递归新神经网络

针对一类不等式约束的二次规划问题,分别采用Lagrangian系数获得新模型和构造合适的Lyapunov函数的方法,求得对偶问题,通过代换得到初始问题的最优解,并证明新模型的全局稳定性.结果表明:新模型公式简单直观,计算量少,收敛速度快,且对初始问题有更精确的解,通过计算机仿真实验验证了算法的有效性.该成果对二次规划稳定性的研究和应用提供了理论依据.     

基于有限时间神经网络求解的时变复数矩阵方程

为求解时变复数矩阵方程,根据复数域中两种等价处理非线性激励函数的方法,提出了两种新型有限时间归零神经网络(new finite-time zeroing neural network, NFTZNN)模型。尝试将一种新型激励函数应用到两种NFTZNN模型中,从而提高了模型的综合性能。试验结果表明,与现有的复数神经网络(complex-value zeroing netural network, CVZNN)模型相比,使用新型激励函数的NFTZNN模型在求解时变复数矩阵方程时,收敛速度更快、计算精度更高;并且,根据李亚普洛夫定理计算出的收敛时间上界也更接近实际的收敛时间。本研究提出的神经网络模型能准确快速地求解出复数域中的时变矩阵方程,可以为后续工程应用提供参考。     

神经网络在二次规划问题中的应用

利用对偶神经网络解决了基于线性等式、 不等式和有 界约束的二次规划问题, 表明所研究的对偶神经网络具有整体指数收敛性, 与包含高次非线性条件的神经网络相比, 所提出的网络使用了更少的神经元, 并且网络的体系结构更简单.数值实验结果表明了该方法的有效性.     

解最小一乘问题的递归神经网络

应用鞍点理论和投影算子的性质,给出了一种递归神经网络求解具有线性约束的最小一乘问题,证明了此神经网络全局收敛于一个最优解.数值实验表明,用本文的方法求解最小一乘问题是切实可行的.     

几类二次不定方程的解的递归表示

记数列u_o=0,u_1=1,u_n=a_nu_(n-1) bu_(n-2)(n≥2)的项为u_n=u_n(a,b)。设a为正整数,a~2±1及b~2±4为非完全平方的正整数,c=±1或±4,本文证明了二次不定方程x~2-(a~2 1)y~2=c,x~2-(a~2 4)y~2=c,x~2-(a~2-1)y~2=c,x~2-(a~2-4)y~2=c的一切非负整数解可分别由u_n(2a,1),u_n(2a、-1),u_n(a,1),u_n(a,-1)表示,且求得了相应的表达式。     

一类二次型离散系统的有限时间稳定与镇定

实践中由于成本等因素的约束,考虑系统的有限时间稳定性往往会比考虑传统的稳定性更具实用性和经济性.文中讨论了一类二次型离散系统的有限时间稳定与镇定,通过采用线性矩阵不等式将反馈控制增益矩阵的设计转化为线性矩阵不等式组的求解问题,给出了状态反馈控制下使闭环系统有限时间稳定的充分条件和反馈控制增益矩阵的设计方法.该方法也适用于系统存在外源干扰的情形,可以使具有干扰的系统实现有限时间有界.最后,用数值例子做仿真验证,仿真结果和理论分析结果一致,表明文中方法是可行的.     

基于滑模自适应有限时间一致性算法的微电网二次控制

随着微电网规模日益增大,如何快速稳定完成二次控制目标是一个亟待解决的问题。因此文章首先针对现有微电网中分布式二次控制器的收敛速度问题,提出了一种基于自适应有限时间的分布式二次控制,所提的控制器在不同的场景下,可以通过分布式的方式来获取当前情况下最适合的有限时间控制器的收敛系数,从而加快二次控制的速度。其次针对分布式控制器易受到扰动而无法完成控制目标的问题,设计了基于滑模控制的分布式有限时间控制器来消除扰动影响。然后通过李雅普诺夫函数证明方法分析了所提策略的稳定性和可行性。最后通过Matlab/Simulink搭建仿真模型,在4个不同的算例下验证了本文所提的控制策略的有效性和可行性。     

一类求解退化凸二次规划的投影神经网络

借助变分不等式和Kuhn—Tucker条件,构造了一类投影神经网络求解线性约束的退化凸二次规划问题．与已有的求解退化凸规划问题的神经网络系统相比,系统的适用范围更广;在理论方面,系统是全局收敛的;数值实例显示了所得结论的有效性和正确性．     

二次型规划问题的进一步研究

进一步分析了求解二次型规划问题的神经网络方法，给出了这一方法的稳定性的可检验条件，并证明在这个条件下网络是全局收敛的，最后，给出了数值模拟例子。     

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。     

无相位远场数据反演散射障碍的神经网络方法

针对无相位信息反演障碍物位置及形状的问题, 提出一种两层门控循环单元(GRU)神经网络对门控循环单元神经网络的方法(MGNN), 并给出该方法的收敛性分析. 首先, 以无相位远场数据与障碍物边界曲线方程参数作为输入和输出, 通过GRU神经网络控制门思想与长期记忆功能, 有选择性地更新网络状态, 保存数据特征; 其次, 应用梯度下降算法更新模型权重和偏置, 解决了无相位信息的远场数据反演障碍物位置及形状的难题; 最后, 利用数值实验说明该方法的有效性.     

无相位远场数据反演散射障碍的神经网络方法

针对无相位信息反演障碍物位置及形状的问题, 提出一种两层门控循环单元(GRU)神经网络对门控循环单元神经网络的方法(MGNN), 并给出该方法的收敛性分析. 首先, 以无相位远场数据与障碍物边界曲线方程参数作为输入和输出, 通过GRU神经网络控制门思想与长期记忆功能, 有选择性地更新网络状态, 保存数据特征; 其次, 应用梯度下降算法更新模型权重和偏置, 解决了无相位信息的远场数据反演障碍物位置及形状的难题; 最后, 利用数值实验说明该方法的有效性.     

一类线性互补问题的神经网络求解

本文提出了一种求解一类线性互补问题的神经网络模型，并从理论上予以了严格证明。最后给出了一个应用实例。     

一类函数最小化算法的二阶收敛性质

以Powell方法的Zangwill修改为基础进行改进可以得到很多有效的算法。本文的目的在于证明Powell方法另一类修改的二阶收敛性质。