求解线性规划问题的神经网络模型

提出了一个解线性规划问题了增广的神经网络模型,证明了该网络全局稳定子平衡点,而平衡点就是线性规划问题的解,该网络的优点是,能够实时获得问题的精确解,且可以同时获得带等式或不等式约束的对偶问题解,该网络易于电路实现。     

求解线性规划问题的一种算法

本文给出了求解线性规划问题的一种算法,该算法在用初等行变换求约束条件的基本可行解时,通过控制目标函数的检验数使基本可行解靠近最优解,减少了迭代次数,从而减少计算量,并可以在计算机上实现.     

求解线性规划问题的一种新方法

本文介绍一种求解线性规划问题的新方法,该方法的特点是初始基不必是可行基。     

一个新的线性规划通用神经网络模型

指出了现有模型存在的局限性,为构造了一种新的神经网络模型用于求解一般线性规划问题,避免了现有网络模型的不足,该模型是线性规划的通用模型,具有全局渐近稳定性,能够惟一地收敛到问题的全局最优解,模拟计算表明了新模型的有效性。     

求解有限马氏决策问题的神经网络方法

在有限马尔可夫决策过程的线性规划求解方法以及神经网络算法的基础上提出了运用神经网络求解有限马尔可夫决策问题的方法．并通过算例验证了该方法的有效性．     

线性规划问题的两种求解法

本文主要介绍了线性规划问题的图解法与单纯形法。     

一种基于遗传算法的非线性规划问题求解方法

非线性规划在航天,军事,经济及生产过程等多方面都有广泛应用．但其各种求解方法有相应的适用范围和局限性．Holland教授1962年提出的遗传算法已被广泛应用于系统建模,控制器参数优化等方面．在这里我们针对非线性规划问题,结合极大熵方法和遗传算法.提出了一个改进的遗传算法．文章给出了几种算例,效果不错．     

线性规划的一种算法

本文给出一种用解变量个数较少的线性规划来求解变量太多的线性规划的方法。     

约束条件含模糊数的线性规划的一种求解方法

讨论了约束条件中系数是模糊数的模糊线性规划的一种解法,利用Roubens的模糊数比较的概念,把系数是模糊数的线性规划问题转化为经典的线性规划问题,从而利用求解线性规划的单纯形法求解此类模糊线性规划．最后给出此种方法在实际中的应用．     

求解绝对极小拟合问题的神经网络方法

提出了一个解绝对极小拟合问题的神经网络，并证明它的全局收敛性，该网络的优点是没有选择惩罚参数的困难，稳态解对应最优解，及网络电路中不含变量间的模拟乘法器。     

细胞神经网络──模型与实现

在对ＣＮＮ模型进行简要分析的基础上，利用一种新型的全集成器件──跨导运算放大器（ＯＴＡ）实现ＣＮＮ模型。对便于ＶＬＳＩ实现的网络模型进行了一些探讨和分析，提出了直接用ＯＴＡ的非线性特性实现ＣＮＮ的折线输出，毋需在神经元输出端附加其它非线性阈值函数，整个设计仅采用ＯＴＡ和电容２种元件，这使得设计更加紧凑合理。     

数学神经网络(V)──某些数学方法的神经网络表示

继续研究数学神经网络，这里提出一种观点：人工神经网络可以作为数学的一种可视化手段．首先用例子指出几种熟知的数学方法可以用神经网络表达，然后讨论了线性规划、多目标线性规划、模糊线性规划以及模糊关系方程的神经网络形式．     

基于Hopfield神经网络的线性系统参数辨识

基于Ｈｏｐｆｉｅｌｄ网络的神经计算原理,提出了一种新的线性系统参数辨识方法,首先建立系统的Ｉ／Ｏ差分方程以模型误差二次型作为ＨＮＮ的能量函数,辨识差分方程的系数矩阵,最终得到线性系统的全部矩阵参数,数值仿真的结果证明了该方法的有效性。     

基于SCNN的有限元总刚方程求解

基于ＳＣＮＮ，提出了一个解有限元总刚方程的神经网络模型和实施方案．计算实例表明，基于ＳＣＮＮ的计算结果令人满意，计算时间为电路时常数数量级，可用于复杂工程结构和复杂力学行为的分析与计算     

用神经元网络的模拟计算方法求解Klee－Minty问题

介绍了一种改进的求解线性规划问题的神经元网络──上ＴＨ神经元网络，分析了该网络稳定点的特性，在此基础上提出关于它的一种比较新颖的模拟计算方法，并用该模拟计算方法求解了著名的Ｋｌｅｅ－Ｍｉｎｔｙ问题。理论分析和实例计算都表明该方法比传统的模拟计算方法欧拉法有效。     

投入产出的线性假设分析

首先导出了投入产出分析中,产出水平与需求水平之间、产出水平与投入水平之间的两对不兼容的线性关系式,并分析了产生不兼容性的根源和全局线性假设的局限性,最后提出了投入产出非线性建模的一种可能途径─—神经网络建模方法.     

中立型细胞神经网络的稳定性分析

基于线性矩阵不等式（LMI）技巧对中立型细胞神经网络的稳定性问题进行了研究，给出了神经网络稳定的一个充分性条件和系统稳定中立项所必须满足的一个必要条件。仿真结果证明了所给算法的有效性，同时表明所得结论优于Y-M-ZHANG等的结果。     

Adaptive synchronization of neural networks with different attractors

This paper aims to present an adaptive control scheme for the synchronization of two classes of uncertain neural networks with different attractors. A new sufficient condition for the global synchronization of two kinds of neural networks with different attractors is derived. The proposed control method is efficient and easy to be implemented. Numerical simulation is used to show the effectiveness of the obtained result.     

基于LMI的中立型Hopfield神经网络的稳定性

为了更加深入地了解神经网络的复杂性,研究了中立型Hopfield神经网络模型,对该模型的稳定性的判定进行了探讨.通过构造合适的Lyapunov泛函,借助线性矩阵不等式(LMI)的一些技巧以及Lyapunov-Krasovskii稳定性理论,给出了该神经网络模型稳定的充分条件,以及模型稳定时中立项所必须满足的必要条件.给出的结果改进了已有的结论和方法,在一定程度上降低了求解的难度,在实际应用方面更加简捷方便.仿真实例表明了算法的有效性,以及所存在的保守性.