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。