检索结果-内蒙古大学图书馆

应用数学和力学 2013年第9期34卷 929-940页

作者：胡进宋乾坤重庆交通大学理学院重庆400074

复值神经网络是神经网络的一个分支,也是最近几年快速发展的一个领域,在图像处理、模式识别、联想记忆等方面有广泛的应用.目前,对于复值神经网络动力学方面的研究主要集中在稳定性上,对于离散时间型复值神经网络周期性的研究还几乎没有... 详细信息

复值神经网络是神经网络的一个分支,也是最近几年快速发展的一个领域,在图像处理、模式识别、联想记忆等方面有广泛的应用.目前,对于复值神经网络动力学方面的研究主要集中在稳定性上,对于离散时间型复值神经网络周期性的研究还几乎没有.首先将连续时间型复值神经网络模型离散化得到离散时间型复值神经网络模型,然后利用M-矩阵理论、不等式技巧和Lya-punov方法,获得了全局指数周期性的一个充分条件,最后给出的具有仿真的数值例子验证了获得结果的有效性.

关键词：离散复值神经网络时滞全局指数周期性

来源：评论

学校读者我要写书评

暂无评论

一类变时滞模糊细胞神经网络的全局指数周期性

引用

天津师范大学学报（自然科学版） 2014年第2期34卷 5-8页

作者：翁良燕周立群天津师范大学数学科学学院天津300387

通过构造合适的Lyapunov泛函和利用Young不等式,研究了一类变时滞模糊细胞神经网络的全局指数周期性,得到了该神经网络周期解存在唯一且全局指数周期的充分条件,给出一个例子说明结论的有效性.

关键词：模糊细胞神经网络变时滞全局指数周期性周期解 Young不等式

来源：评论

学校读者我要写书评

暂无评论

一类延时细胞神经网络的指数周期性与稳定性

引用

系统仿真学报 2010年第3期22卷 634-637,641页

作者：周立群张艳艳王贵君天津师范大学数学科学学院天津300387

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... 详细信息

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。

关键词：延时细胞神经网络全局指数周期性稳定性 Lyapunov泛函

来源：评论

学校读者我要写书评

暂无评论

多比例时滞细胞神经网络的指数周期性与稳定性

引用

生物数学学报 2012年第3期27卷 480-488页

作者：周立群天津师范大学数学科学学院天津300387

研究了一类具多比例时滞细胞神经网络的全局指数周期性与稳定性.通过变换y(t)=x(e^t)将具多比例时滞的细胞神经网络变换成具常时滞变系数的细胞神经网络,利用一些分析技巧与构造合适的Lyapunov泛函,得到系统的周期解存在唯一且全局指数... 详细信息

研究了一类具多比例时滞细胞神经网络的全局指数周期性与稳定性.通过变换y(t)=x(e^t)将具多比例时滞的细胞神经网络变换成具常时滞变系数的细胞神经网络,利用一些分析技巧与构造合适的Lyapunov泛函,得到系统的周期解存在唯一且全局指数周期的时滞依赖的充分条件,判断方法简单易验证.并给出了两个例子及其数值仿真结果以支持所得结论.

关键词：细胞神经网络比例时滞全局指数周期性全局指数稳定性 Lyapunov泛函

来源：评论

学校读者我要写书评

暂无评论

具比例时滞递归神经网络的全局稳定性与周期性

具比例时滞递归神经网络的全局稳定性与周期性

引用

作者：刘纪茹天津师范大学

学位级别：硕士

时滞神经网络在图像处理、模式识别等领域被广泛应用,应用中通常要求平衡点是稳定的,所以时滞递归神经网络的稳定性研究具有重要的理论与实践意义.比例时滞是不同于常时滞、有界时变时滞、分布时滞的一种无界时变时滞.比例时滞系统作为... 详细信息

时滞神经网络在图像处理、模式识别等领域被广泛应用,应用中通常要求平衡点是稳定的,所以时滞递归神经网络的稳定性研究具有重要的理论与实践意义.比例时滞是不同于常时滞、有界时变时滞、分布时滞的一种无界时变时滞.比例时滞系统作为一种重要的数学模型在物理、生物系统,控制理论等领域起着重要的作用.本文对几类具比例时滞递归神经网络的稳定性和周期性进行研究. 第一章简单介绍了神经网络的研究背景和发展历史、递归神经网络、递归神经网络稳定性研究的现状以及本文的主要工作. 第二章研究了基于LMI的比例时滞递归神经网络的全局渐近稳定性.通过建立合适的Lyapunov泛函和运用线性矩阵不等式,得到了一个基于LMI的稳定性判据. 第三章研究了一类中立型比例时滞递归神经网络的全局渐近稳定性.通过建立合适的Lyapunov泛函和运用矩阵Schur补性质,获得一个基于矩阵特征值的稳定性判据. 第四章研究了一类比例时滞递归神经网络的全局指数周期性.通过构造合适的Lyapunov泛函并应用压缩映射原理以及不动点定理,研究了该系统的全局指数周期性,获得保证其周期解存在唯一及全局指数周期的充分条件. 每一章都给出具体的数值算例,并进行数值仿真,验证了所得结果的正确性和有效性.

关键词：递归神经网络比例时滞全局渐近稳定性全局指数周期性 Lyapunov泛函线性矩阵不等式(LMI)

来源：评论

学校读者我要写书评

暂无评论

具分布延时细胞神经网络的指数周期与稳定性

引用

系统仿真学报 2008年第10期20卷 2511-2514页

作者：周立群胡广大天津师范大学数学科学学院天津300387 北京科技大学自动化系北京100083

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... 详细信息

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。

关键词：细胞神经网络分布延时全局指数周期性全局指数稳定性 Halanay-type不等式

来源：评论

学校读者我要写书评

暂无评论

几类时滞神经网络的全局指数稳定性

几类时滞神经网络的全局指数稳定性

引用

作者：翁良燕天津师范大学

学位级别：硕士

由于时滞神经网络已被广泛应用于模式识别、图像处理、自动控制、人工智能、联想记忆等领域.又由于时滞神经网络的平衡点的稳定性在这些应用中起了重要作用.因此，研究时滞神经网络稳定性具有重要的理论和实践意义.\n 主要对几类时... 详细信息

由于时滞神经网络已被广泛应用于模式识别、图像处理、自动控制、人工智能、联想记忆等领域.又由于时滞神经网络的平衡点的稳定性在这些应用中起了重要作用.因此，研究时滞神经网络稳定性具有重要的理论和实践意义.\n 主要对几类时滞神经网络的全局指数稳定性进行了讨论.\n 第一章对神经网络的发展历程、时滞细胞神经网络、时滞双向联想记忆神经网络和时滞Hopfield神经网络的研究现状作了简单介绍.\n 第二章对具多比例时滞杂交双向联想记忆神经网络模型进行了研究，应用Brouwer不动点定理证明了该系统平衡点的存在性，通过构造合适的Lyapunov泛函，得到了该系统的平衡点全局指数稳定性的时滞依赖的充分条件，该条件蕴含着该系统的平衡点的唯一性.\n 第三章对高阶变时滞广义细胞神经网络的周期性和稳定性进行了研究，通过引入可调参数和构造合适的Lyapunov泛函，并利用Brouwer压缩映象原理，得到了该系统的周期解的存在唯一性，全局指数周期性及全局指数稳定性的充分条件.\n 第四章对变时滞Hopfield神经网络的全局指数稳定性进行了研究，利用时滞微分不等式，得到了保证该系统的全局指数稳定性的时滞无关的几个充分条件，并且给出了该系统的收敛指数的估计.\n 本文所得结论都是全新的，并且容易通过简单的代数运算进行验证.每一章都给出了数值算例，验证了所得结论的有效性和可行性.

关键词：时滞神经网络全局指数稳定性 Lyapunov泛函全局指数周期性时滞微分不等式

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：