论文题目: 时滞递归神经网络的动态特性研究
论文类型: 博士论文
论文专业: 控制理论与控制工程
作者: 季策
导师: 张化光
关键词: 神经网络,神经网络,时滞,参数摄动,全局渐近稳定性,线性矩阵不等式,泛函,鲁棒稳定性,扇区条件
文献来源: 东北大学
发表年度: 2005
论文摘要: 自1982年Hopfield神经网络模型提出以来,动态特性的研究一直是递归神经网络理论研究的重点。主要原因在于这类神经网络的应用(如优化、联想记忆、信号处理、图像处理以及模式识别等)都与网络的动态特性有关。本文主要针对两类时滞递归神经网络(即Hopfield神经网络和Cohen-Grossberg神经网络)的动态特性,进行了深入的研究。其内容包括与时滞无关的Hopfield神经网络和Cohen-Grossberg神经网络全局渐近稳定性分析;与时滞相关的Cohen-Grossberg神经网络全局稳定性分析;当不确定项范数有界,且满足某一匹配条件时,两类时滞递归神经网络的鲁棒稳定性研究等。主要工作如下: 1.简单概述了神经网络的发展概况,分析了时滞对神经网络稳定性的影响及递归神经网络动态特性研究的进展。简要介绍了本文所用到的一些基本理论,主要包括稳定性的概念,几个常用的Lyapunov稳定性定理,线性矩阵不等式(LMI)的基本问题及常用引理。 2.研究一类具有时滞的Hopfield神经网络的动态特性。文中放宽了对Hopfield神经网络的互连结构必须为对称的要求,考虑一类具有时滞的、且互连结构为非对称的Hopfield神经网络的稳定性问题。通过构造适当的Lyapunov泛函及扇区条件,给出了平衡点渐近稳定的判定准则。又利用矩阵范数的定义及性质,得出了一个以范数形式表示的推论。在Hopfield神经网络的设计及实现过程中,这些条件是很实用的。最后,通过仿真进一步证明了结论的有效性。 3.研究一类具有参数摄动的时滞Hopfield神经网络模型的鲁棒稳定性问题。文中假定摄动的范数是有界的,且满足某一匹配条件。应用Lyapunov泛函法,给出了平衡点与时滞无关的全局鲁棒稳定的充分条件。这些条件是以线性矩阵不等式(LMI)的形式表示的,因而在实际中便于验证及计算。此外,文中的结论是在不需要假定激活函数的可微性与单调性的条件下得到的,因此,文中的模型是一类更广义的模型。 4.研究一类具有时滞的Cohen-Grossberg神经网络的动态特性。在互连结构为非对称的情况下,给出了平衡点与时滞无关的渐近稳定的充分条件,并对由推论给出的一种小增益条件进行了分析。在互连结构为对称的假设下,通过引入一个能量泛函,证明沿着系统的解该能量泛函是单调递减的,最终将收敛于系统的某个平衡点,进而从理论上给出了该类网络为全局稳定的依赖于时滞的充分
论文目录:
声明
中文摘要
ABSTRACT
第1章 绪论
1.1 人工神经网络概述
1.1.1 神经元模型的提出
1.1.2 人工神经网络的特点
1.1.3 人工神经网络的发展概况
1.2 时滞对神经网络动态特性的影响
1.3 递归神经网络模型概述
1.3.1 Hopfield神经网络模型
1.3.2 Cohen-Grossberg神经网络模型
1.3.3 细胞神经网络模型
1.4 与论文相关的理论知识
1.4.1 论文中将用到的符号及记法
1.4.2 时滞系统稳定性的概念及其判定定理
1.4.3 线性矩阵不等式(LMI)技术
1.4.3.1 线性矩阵不等式技术的发展历史
1.4.3.2 线性矩阵不等式的基本问题
1.4.3.3 线性矩阵不等式的一些标准问题
1.5 本文所做的工作
第2章 时滞不对称Hopfield递归神经网络模型的动态分析
2.1 引言
2.2 单时滞不对称Hopfield神经网络模型的稳定性
2.2.1 网络模型
2.2.2 稳定性分析
2.2.3 仿真示例
2.3 多时滞不对称Hopfield神经网络模型的稳定性
2.3.1 网络模型
2.3.2 稳定性分析
2.3.3 仿真示例
2.4 小结
第3章 基于线性矩阵不等式技术的时滞Hopfield神经网络模型的鲁棒稳定性研究
3.1 引言
3.2 单时滞Hopfield神经网络模型的鲁棒稳定性
3.2.1 网络模型
3.2.2 鲁棒稳定性分析
3.2.3 仿真示例
3.3 多时滞Hopfield神经网络模型的鲁棒稳定性
3.3.1 网络模型
3.3.2 鲁棒稳定性分析
3.3.3 仿真示例
3.4 小结
第4章 时滞Cohen-Grossberg递归神经网络模型的动态分析
4.1 引言
4.2 单时滞Cohen-Grossberg神经网络模型的稳定性
4.2.1 网络模型
4.2.2 稳定性分析
4.2.3 仿真示例
4.3 多时滞Cohen-Grossberg神经网络模型的稳定性
4.3.1 网络模型
4.3.2 稳定性分析
4.3.3 仿真示例
4.4 依赖于时滞的Cohen-Grossberg神经网络模型的稳定性
4.4.1 网络模型
4.4.2 稳定性分析
4.4.3 仿真示例
4.5 小结
第5章 基于线性矩阵不等式技术的时滞Cohon-Grossberg神经网络模型的鲁棒稳定性研究
5.1 引言
5.2 单时滞Cohen-Grossberg神经网络模型的鲁棒稳定性
5.2.1 网络模型
5.2.2 鲁棒稳定性分析
5.3 多时滞Cohen-Grossberg神经网络模型的鲁棒稳定性
5.3.1 网络模型
5.3.2 鲁棒稳定性分析
5.3.3 仿真示例
5.4 小结
第6章 问题与展望
参考文献
致谢
作者在攻读博士学位期间所做的工作
个人简历
发布时间: 2005-09-07
参考文献
- [1].基于递归神经网络的视频行为建模和识别方法研究[D]. 杜文斌.中国科学院大学(中国科学院深圳先进技术研究院)2018
- [2].一类时滞静态递归神经网络的动力学行为研究[D]. 赵永昌.中国海洋大学2010
- [3].递归神经网络稳定性分析[D]. 徐军.浙江大学2007
- [4].扰动作用下递归神经网络稳定性研究[D]. 高海宾.燕山大学2006
- [5].基于忆阻的时滞递归神经网络的动力学分析与同步控制[D]. 张国东.华中科技大学2014
- [6].递归神经网络的稳定性和无源性分析[D]. 朱进.东北大学2010
- [7].基于忆阻的递归神经网络的动力学分析[D]. 吴爱龙.华中科技大学2013
- [8].基于时滞重构方法的动态系统稳定性与反馈控制研究[D]. 刘振伟.东北大学2015
- [9].基于深度学习的运动目标检测与跟踪研究[D]. 周祥增.西北工业大学2016
- [10].混沌神经网络及模糊混沌神经网络的研究与应用[D]. 郑丽颖.哈尔滨工程大学2002
相关论文
- [1].反馈神经网络的动态行为研究[D]. 张强.西安电子科技大学2002
- [2].基于神经网络的建模方法与控制策略研究[D]. 王俊国.华中科技大学2004
- [3].混沌系统的同步和非混沌系统的混沌化研究[D]. 黄玮.东北大学2005
- [4].神经网络与支持向量机相关问题研究[D]. 马儒宁.复旦大学2005
- [5].模糊神经网络理论及其在复杂系统中的应用研究[D]. 王振雷.东北大学2002
- [6].时滞神经网络模型的动力学研究[D]. 梁金玲.东南大学2006
标签：神经网络论文; 时滞论文; 参数摄动论文; 全局渐近稳定性论文; 线性矩阵不等式论文; 泛函论文; 鲁棒稳定性论文; 扇区条件论文;