基于非线性内电位构造函数的抗伪状态联想记忆

针对传统Hopfield神经网络在联想记忆中存在的大量伪状态,设计出一种以非线性内电位函数构造为核心的抗伪状态方案,以取代传统的Hebb规则及其外积法,建立了一种抗伪状态的联想记忆网络(ASS-SSNN),并通过吸引域的变化研究抗伪状态方案的正确性和有效性.仿真结果表明:ASS-SSNN比采用传统Hebb规则及其外积法的Hopfield联想记忆网络(HNN)在容错性上更优,记忆状态的吸引域明显增大,存储容量也有所增加.     

时间离散的回归神经网络的定性分析

研究了一类时间离散的回归神经网络的定性问题.首先应用非线性分析中的度理论,建立了这类神经网络平衡点存在唯一的充要条件;其次通过Lyapunov函数,得到了这类神经网络全局指数稳定的充分准则.     

一类品牌竞争模型的全局复杂性分析

平衡点局部失稳所引起的各种动态分岔是造成经济系统复杂性的重要原因。以一个品牌竞争模型为例,运用临界曲线理论着重从全局复杂性的角度研究了系统的可行域与不可行域的动态演化,得到了企业品牌建设力度与边际成本的乘积决定着其演化特征的结论。在同种品牌竞争情况下讨论了系统纳什平衡点的吸引域的演化。     

基于容错性的模糊双向联想记忆学习算法

本文给出了模糊双向联想记忆网络吸引子的一个非退化的吸引域。在此基础上设计了一个基于网络容错性的关于连接权矩阵的解析学习算法,使得在一定的条件下,所讨论的模糊模式对均为网络的吸引子,而且各自具有非退化的吸引域。最后用实例验证了我们的结论。     

具分布延时细胞神经网络的指数周期与稳定性

研究了具分布延时细胞神经网络的全局指数周期性与指数稳定性。在没有假设激活函数是有界的、可微的、单调增的情况下,通过应用一些新的分析技巧与Halanay-type不等式方法,得到了确保延时细胞神经网络周期解存在唯一且全局指数周期与全局指数稳定的简单的、容易验证的、新的充分条件。并给出了算例及其仿真结果支持所得结论。     

一类延时细胞神经网络的指数周期性与稳定性

细胞神经网络动态行为的研究是细胞神经网络应用的理论基础。对一类具分布延时细胞神经网络,研究了其全局指数周期性与稳定性。在输出函数满足全局Lipschitz连续的条件下,通过构造合适的Lyapunov泛函,给出了延时细胞神经网络全局指数周期性与稳定性的容易验证的充分条件。给出了算例及其仿真结果来验证所得结论,并说明所得结论与文献[16]的结论是相互独立的。     

单滑块变质心再入飞行器分岔特性

基于非线性动力学模型,给出了单滑块变质心再入飞行器的平衡点及其稳定性随滑块偏移距离的变化规律,得到了系统分岔图,并在此基础上求解了典型条件下各吸引子的吸引域。结果表明滑块偏移距离对再入飞行器的平衡点数量及稳定性具有明显的影响,同时初始飞行条件对飞行器的最终收敛状态也具有重要的影响,不合适的初始条件有可能导致飞行器被锁定在不期望的平衡点或极限环中,从而引起失速或失控等问题。此外,通过分析不同系统参数下的分岔图变化规律,总结了再入飞行器结构及气动参数对系统分岔特性的影响,进而为系统参数的设计提供了参考。     

一类非线性系统的局部镇定及吸引域估计

研究了一类非线性系统的局部稳定问题,应用中心流形定理,给出了这类非线性系统渐近镇定的充分条件和系统的吸引域估计.设计出镇定系统的反馈控制律,特别研究了一类平面非线性系统,给出了系统镇定的若干条件.通过实例说明选取控制律应注意的一些问题,给出了多个实例,表明结果的有效性.     

多层细胞神经网络模型的一般状态解及动力值域估计

针对多层细胞神经网络模型，分析了其一般状态解并对其动力值域作了估计。     

异联想记忆Hopfield神经网络的模型、算法及性能

对联想记忆神经网络(neuralnetworks NN)的特性进行了分析,基于双向联想存储器BAM原理,对自联想记忆HopfieldNN模型进行了扩展,建造了适合于求解模式识别问题的异联想记忆HopfieldNN模型结构.并针对HopfieldNN记忆容量不足的缺陷,对常规的学习算法进行了改进,建立了基于投影原理的伪逆学习算法和广义逆学习算法,提高了HopfieldNN对样本的记忆存储能力.分析表明:本文的研究解决了HopfieldNN应用于异联想记忆模式识别的关键问题.     

Stability analysis of extended discrete-time BAMneural networks based on LMI approach

1 .INTRODUCTIONBidirectional associative memory model is a kind ofneural network models in common use with the abili-ty of information memory and association. Since thedistributed memory of the information,the networkcan associate a completed and clear mode stored in itfroman uncompleted and fuzzy mode . Bidirectionalassociative memory (BAM) proposed by B. KoskoinRef .[1] is a generalization of Cohen-Grossberg’smodel from single layer to two layers . Since then,there have beenlots of …     

基于深度学习的弹道目标智能分类

针对弹道目标微动分类前需平动补偿及典型雷达散射截面积(radar cross-section, RCS)序列分类需构造人工特征的问题,提出利用弹道目标微动特性和RCS相结合的弹道目标智能分类算法。首先,建立弹道目标运动模型并分析得到方位角和俯仰角,从而获取RCS序列,在此基础上利用小波变换得到时频图并构建数据集;然后,通过卷积神经网络(convolutional neural network, CNN)提取时频图像特征序列并与RCS序列融合成高维特征;最后,利用具有容错能力的双向长短期记忆网络充分学习序列之间的相关性以实现目标分类。仿真结果表明,该算法比卷积神经网络和支持向量机的分类精度分别提高5%和2%以上,分类速度比卷积神经网络和双向长短期记忆网络分别提高1.5倍和2.5倍,实现了更高精度的快速智能分类。     

Exponential stability for cellular neural networks: an LMI approach

A new sufficient conditions for the global exponential stability of the equilibrium point for delayed cellular neural networks （DCNNs） is presented. It is shown that the use of a more general type of Lyapunov-Krasovskii function enables the derivation of new results for an exponential stability of the equilibrium point for DCNNs. The results establish a relation between the delay time and the parameters of the network. The results are also compared with one of the most recent results derived in the literature.     

注意力机制CNN的毫米波大规模MIMO系统信道估计算法

在室外光线追踪通信场景下,针对毫米波大规模多输入多输出(multiple input multiple output,MI-MO)信道具有稀疏特性、系统受噪声因素影响导致信道估计精度低的问题,提出一种基于图像去噪的注意力机制卷积神经网络信道估计方法.首先,设定参数产生模拟真实环境的数据集,将所产生的信道矩阵看作二维图像...     

一种混沌神经网络模型及其在优化中的应用

通过在Hopfield神经网络模型 (HNN)中引入非线性自反馈项 ,提出了一种具有暂态混沌动力学行为的神经网络模型。该模型首先经过一个倍周期倒分叉过程进行混沌搜索 ,进而进行类似HNN的梯度搜索。由于它利用了混沌搜索固有的随机性和轨道遍历性 ,因而具有较强的克服陷入局部极小的能力。两个典型的函数优化例子表明了该算法的有效性     

连续催化重整装置辛烷值软测量研究

研究连续催化重整生产过程中重整产品辛烷值软测量问题.首先结合工艺机理分析,找出影响辛烷值的主要参数,确定为辅助变量,建立起基于BP神经网络的辛烷值软测量模型.其次再采用PLS-BP算法改进模型结构,建立起基于PLS-BP神经网络的辛烷值软测量模型,可以看出PLS-BP所建模型结构相对简单,更适用于实际过程.最后对模型校正后在现场使用,结果表明测量结果令人满意.     

用具有混沌特性的神经网络解任务分配问题

利用由一对相互藉合的混沌吸引子作为神经元构造的混沌神经网络来解决任务分配问题。通过与传统Hopfield人工神经网络解决任务分配问题相比，混沌神经网络具有更强的全局搜索能力和寻优能力。实时分布处理系统任务分配问题实例仿结果表明，该网络解任务分配问题有效地避免了Hopfield人工神经网络极易陷入局部极小的缺陷，并具有更高的搜索效率。     

基于BP神经网络和面板数据的上市公司财务危机预警

在作者前期研究的基础上引入面板数据,以T-2、T-3期财务数据组合的面板数据(panel data)作为研究样本,构建BP神经网络模型对上市公司的财务状况进行预测.实验表明,1)使用面板数据进行的BP神经网络预警分析显示出稳定、连续的预测性能,这正好适合构建具有实际应用价值的中长期预警模型,使模型具有广泛的实践应用价值;2)模型提前3年和4年的预测能力分别为88.46%和75.64%,较之以往同行的研究及作者前期的研究精度均有较大的提高.