变时滞反应扩散Hopfleld神经网络的全局指数稳定性

利用拓扑度理论和广义Halanay不等式研究了变时滞反应扩散Hopfield神经网络的平衡点的存在性及全局指数稳定性.给出的判别指数稳定性的代数判据易于验证,具有广泛实用性,推广和改进了现有文献中的一些结果.     

变时滞反应扩散Hopfield神经网络的全局指数稳定性

利用拓扑度理论和广义Halanay不等式研究了变时滞反应扩散Hopfield神经网络的平衡点的存在性及全局指数稳定性. 给出的判别指数稳定性的代数判据易于验证,具有广泛实用性,推广和改进了现有文献中的一些结果.     

随机反应扩散系统稳定性的理论与应用

Lyapunov直接法目前仍然是研究常微分系统与随机常微分系统的稳定性的最有效的方法，由于没有对应的Ito公式，该方法至今尚未推广到随机偏微分方程．文中试图将Lyapunov直接法推广到Ito型随机反应扩散系统，建立相应的Lyapunov依概率稳定性的基本理论．包括Ito型随机反应扩散系统依概率稳定性与依概率渐近稳定性，与Ito型随机反应扩散系统的均方指数稳定性等定理．作为定理的应用，最后讨论了Hopfield神经网络的稳定性，并指出以往文献中的主要结论均可作为文中相应结论的推论．     

具有连续分布时滞的双向联想记忆神经网络的全局稳定性

研究了具有连续分布式时滞的双向联想记忆神经网络的平衡点的全局稳定性问题. 在对神经元的激励函数的两种较宽松的假设下, 应用Lyapunov泛函法及不等式分析技巧获得了全局渐近稳定性的两个新的充分条件. 该结果推广了有关文献中已有的结论, 数值仿真的例子证明了其有效性.     

基于PCA和BP神经网络的采空区稳定性评价模型研究

针对采空区稳定性评价因素的复杂性和相关性特点,提出主成分分析(PCA)与BP神经网络相结合的采空区稳定性综合评价方法。经综合分析确定以工程地质因素、采空区赋存结构参数、采动因素3个一级影响因素为基础的评价指标体系,以此为基础构建了采空区稳定性评价的BP神经网络评价模型。以某大型铅锌矿山地下采空区为例,应用CMS探测系统获取采空区相关数据生成采空区3D实体模型,并根据BP神经网络训练出的计算模型对采空区稳定性的等级进行评价。研究结果表明:PCA和BP神经网络相结合的方法使输入变量由13个减少为5个,避免了由于变量相关性带来的影响,简化了评价过程,结果更加合理。现场探测结果与BP神经网络计算结果相互支持。     

时延细胞神经网络的指数稳定性和周期解

通过构造适当的Lyapunov泛函 ,巧妙引入参数q ij,r ij,qij,rij∈R和wi>0(i,j=1 ,2 ,… ,n) ,并结合不等式 2ab≤a2 b2 分析技巧 ,讨论了一类时延细胞神经网络 (DCNNs)的全局指数稳定性和周期解的存在性 ,给出了一系列充分准则 .最后 ,给出了说明这一理论的两个实例     

低地球轨道环境中原子氧在航天器表面防护材料上的反应-扩散模型

基于过热原子氧撞击硅表面,在超薄氧化区产生低扩散垒与反应垒的部分阴性原子氧离子及其相应的电场和映像势致扩散增加等特点,通过变扩散系数及变反应率常数途径,完善Almeida-Goncalves-Baumvol（AGB）模型.据此,模拟了硅氧化膜的演化,与Tagawa等人的结果拟合显示,理论曲线与实验数据吻合;并浅析了扩散系数、反应率常数、衰减长度及调节参数等与原子氧的平动能、通量、温度以及切向通量等的相关性.模拟结果初步证实,本文构架的反应-扩散理论模型合理,可为LEO环境中抗原子氧防护膜厚度提供评估手段.     

基于Kleinman控制器的广义预测控制稳定性分析

以Kleinman控制器及其扩展形式和Riccati迭代为分析工具, 讨论了广义预测控制(GPC)在各种参数情况下的稳定性, 得到了与Kleinman控制器等价的GPC闭环稳定性的完整结论, 覆盖了现有文献的一些结果, 并为预测控制系统的稳定设计提供了理论依据.     

论Hopfield神经网络中物理参数的数学内蕴

充分利用Hopfield神经网络中已给出的电阻、电容、电流之间的关系以及Sigmoid函数的性质, 直接给出全局指数稳定、全局渐近稳定、不稳定的简洁显式代数判据, 弄清Hopfield所指的稳定性的本质含义, 为设计所需性质的网络提供理论根据和应用方便.     

改进果蝇优化算法优化广义回归神经网络的预测问题研究

为提高传统非线性预测模型的预测精度,提出一种基于改进果蝇优化算法优化广义回归神经网络的预测方法,将果蝇群体分两部分分别进行迭代寻优,从而改进了果蝇优化算法的寻优性能,进而避免了在寻优过程中陷入局部最优。该方法利用改进果蝇优化算法优化广义回归神经网络的径向基函数扩展参数,然后用训练好的广义回归神经网络预测模型进行预测,最后通过订单预测算例进行实证研究。实证研究结果显示,该方法在解决订单预测问题中与未改进的果蝇优化算法优化广义回归神经网络和传统的广义回归神经网络方法对比,具有更高的预测精度和更好的非线性拟合能力。     

离散时滞标准神经网络模型及其应用

为了能够方便地分析离散递归神经网络（RNN）的稳定性，以及解决目前比较难的离散非线性系统的控制器的综合等问题，类似于鲁棒控制中的标准模型，提出一种新的神经网络模型——离散时滞标准神经网络模型（DDSNNM），它由离散线性动力学系统和有界静态时滞（或非时滞）非线性算子连接而成。利用不同的Lyapunov泛函和S方法推导出基于线性矩阵不等式（或非线性矩阵不等式）的DDSNNM全局渐近稳定性和全局指数稳定性的充分条件。大多数离散时滞（或非时滞）RNN稳定性分析或包含神经网络的非线性控制系统都可以转化为DDSNNM形式，从而进行稳定性分析或镇定控制。从DDSNNM应用于离散时滞细胞神经网络（CNN）的稳定性分析以及非线性控制系统的综合实例可以看出，DDSNNM不仅使得大多数RNN的稳定性判定简单易行，而且为非线性系统的控制器设计提供新的思路。     

扩散型膜控制释放技术的进展

本文主要介绍了扩散型膜控制释放体系的应用及其动力学研究现状,预测了膜控制释放技术的发展趋势和研究方向。并对作者近几年在该领域的研究工作进行了简单描述。     

基于小波变换的图像扩散滤波方法

图像的非线性扩散滤波基于热扩散方程, 其关键是确定适当的扩散量与扩散方向. 在已有的滤波模型中, 扩散系数依赖于梯度, 因而容易受到噪声的干扰. 为了克服这一缺陷, 首先给出了一种新的计算扩散系数的多尺度方法. 然后建立了一类用于图像恢复的非线性小波扩散（NWD）模型. NWD模型有较强的抗噪能力, 但同已有的模型一样, 需要较大的计算量. 为此, 通过NWD模型的简化, 给出了线性小波扩散（LWD）模型. LWD模型由输运与扩散两部分组成. 由于存在输运, 所以其滤波是各向异性的, 能够较好地保持边缘, 尽管在边缘点处扩散是各向同性的. LWD模型的优点是简单易于分析, 具有较小的计算量. 最后给出了所提模型与已有模型相比较的数值实验结果.     

一种结构自适应的聚类神经网络

为了解决聚类分析中聚类数的确定问题,在SOFM神经网络的基础上,从聚类准则出发,通过试验对聚类准则的曲线特征进行了详细的分析和论证,设计出一种结构自适应的聚类神经网络,该网络能自动确定最佳的聚类数,并提出了一种减少计算量的改进算法。     

改进的模糊神经网络算法在车型识别中的应用

FBP和FCNN网络是模式识别中应用最为广泛的两种神经网络,本文将这两种网络应用于车型识别,分别建立了车型识别模型。利用混沌对初值的极端敏感依赖提出了FCNN网络算法,通过对车型图像数据库进行仿真实验,对比分析它们各自的识别率和泛化能力等性能指标,证明了FCNN网络算法的有效性。     

微观相场法研究镍基合金扩散通道取向效应与相间作用机制

基于微观相场动力学模型,以Ni75Al6.0V19.0合金为对象,研究了其相变过程的扩散通道取向效应及其通道形成过程中相间作用机理．研究表明：在弹性错配应力场作用下,V原子会沿着[1001方向形成扩散通道,形成沿其短轴方向生长的D022相,从而促使Al原子在相邻处也沿着相同的方向形成扩散通道,产生L12相的定向生长;应力的升高,取向效应先增强再减弱;在较大应力下,V原子的平均占位较晚达到稳定、Al原子则较早．     

利用等离子体旋流器调控旋流扩散火焰

阐述了等离子体旋流器的设计思路,并通过实验验证利用等离子体旋流器调控旋流扩散火焰的可行性．等离子体旋流器由多对交错布置在燃烧器扩张段两侧的电极组成,通过电离空气产生活性自由基,同时能够促进空气旋流,可以起到增强燃烧稳定性作用．实验中利用平面激光诱导荧光测试系统观测到随着等离子激励功率的增强,火焰反应区逐步变宽,这表明等离子体旋流器起到了调控旋流扩散火焰的作用,等离子体旋流器的设计思路可行．     

W-Ti纳米晶薄膜扩散阻挡层的热稳定性研究

采用直流磁控溅射方法在p型(100)Si基体上制备了不同相结构的W-Ti纳米晶薄膜阻挡层及其对应的Cu/W-Ti/Si复合膜, 并对薄膜样品进行了退火热处理. 用四探针电阻测试仪(FPP), XRD, AFM, XPS, FESEM, HRTEM等分析测试方法对不同相结构的薄膜样品退火前后的电阻特性和形貌进行了分析表征. 实验结果表明, 退火温度低于 700℃时, 薄膜基本上保持稳定; 随着退火温度的增加, Cu与Ti反应生成CuTi₃, 同时Si与Cu发生互扩散形成高阻相Cu₃Si, 导致了表面粗糙度增加使方块电阻急剧增加. 同时提出了Cu布线用W-Ti纳米晶薄膜扩散阻挡层退火过程中的失效机理.     

DSOM: 一种基于NO时空动态扩散机理的新型自组织模型

研究了神经信号传输中, 内源性一氧化氮(NO)的四维动态扩散特性及其在长时程学习过程中的增强作用. 将NO扩散机理建模后与Kohonen自组织映射模型相结合, 在空间SOM基础上引入时间增强, 提出了新型的动态扩散型自组织映射模型, 计算了最优化权值的误差函数, 并分析比较了该模型与SOM中噪声干扰对训练的影响. 最后结合多项典型的一维和二维输入模式,给出自组织映射模型与扩散型自组织映射模型的仿真结果对比.