求解广义互补问题的神经网络方法

构造了求解广义互补问题的一个神经网络模型.分析了该模型解的存在性、收敛性及其李雅普诺夫稳定性、渐近稳定性和指数稳定性.并给出了一些数值模拟结果.     

基于动态递归神经网络稳定控制器的设计

静态映射神经网络和动态递归神经网络是两种重要的神经网络,前者在系统辨识和控制中得到了广泛的研究和应用;后者能够逼近系统的动态过程,具有良好的稳定性和收敛性,文中针对一类非线性系统,采用动态递归神经网络,结合Ｌｙａｐｕｎｏｖ稳定性理论,综合了稳定的自适应控制器,同时给出了神经网络的自学习律．理论分析表明,在模型匹配的情况下,能够保证跟踪误差的收敛性和闭环信号的有界性,并对一类建模误差问题进行了研究．分析与仿真结果均表明,该方法具有较好的自适应性和鲁棒性．     

Banach空间中2类压缩映射不动点的具误差的Ishikawa迭代序列的收敛性

讨论了Banach空间中拟压缩映射对和广义压缩映射的具误差的Ishikawa迭代序列的收敛性问题,得出了在一定条件下,这2类压缩映射分别强收敛于它们的不动点.这些结论推广和发展了已有的相关结果,使这些结果的适用范围更广.     

两个可数族严格伪压缩映射的分裂公共不动点迭代逼近算法

为了进一步研究广义非线性算子分裂公共不动点这个热点问题,在Hilbert空间中利用加权平均迭代逼近方法,给出了2个关于严格伪压缩映射的特征性质,构建了一个新的对于2个可数族严格伪压缩映射的分裂公共不动点的迭代逼近序列,在较弱条件下证明了该序列的3个弱、强收敛性定理,作为应用,可求解一类可数族广义分裂等式问题.研究结果改...     

锥拟凸向量优化问题解的稳定性及广义适定性

利用Kuratowski-Painlevé关于集列的收敛性和水平集等特征, 通过锥理论和方法研究目标映射是锥拟凸映射的拟凸向量优化问题有效解和弱有效解的稳定性及广义适定性, 得到了强连续锥拟凸映射序列与其极限映射的有效解和弱有效解之间的关系及其稳定性和广义适定性的充分性条件.     

广义Tricomi条件和强伪压缩映射不动点的收敛问题

引入广义Tricomi条件且研究在Ishikawa迭代过程下，强伪压缩映射不动点的收敛性问题，由于所得主要结果不涉及Lipschitz连续性和T的值域的有界性，因此，改进了该问题研究上的一些已有的结论。     

非光滑极小极大神经网络收敛性分析

利用非光滑分析的理论讨论了非可微鞍泛函的ｍｉｎｉｍａｘ问题，并建立非光滑神经网络来求鞍泛函的鞍点，在适当的条件下，利用Ｌｙａｐｕｎｏｖ理论讨论了网络的收敛性怀稳定性。     

Banach空间中变分不等式组的广义f-投影迭代算法

在Hilbert空间中,利用投影算法的收敛性来研究变分不等式组解的逼近已较广泛.但这个问题在Banach空间的研究却相对较少,主要原因是在Banach空间中投影映射缺少某些良好性质.运用广义f-投影算子,建议和分析了一类计算广义变分不等式组的近似解的迭代算法,在一致光滑和一致凸Banach空间中的一定条件下,建立解的存在性以及由算法生成的迭代序列的强收敛性定理.     

Banach空间中广义方程的限制型牛顿算法

为求解Banach空间中由单值和集值映射之和构成的非光滑广义方程,该文主要构造了一种限制型牛顿算法,并在度量正则性假设下,给出了该型牛顿算法的线性收敛性的证明.作为应用,文章还研究了一种限制型邻近点算法的收敛性条件.     

广义Rosenau Burgers方程的一个差分格式

从动力学系统的实际问题出发,对广义Rosenau Burgers方程的初边值问题进行了数值研究,揭示了复杂离散动态系统理论中非线性波耗散问题.提出了一个新的两层隐式差分格式,对差分解进行了先验估计,得到了差分解的存在唯一性,并给出了该差分格式的收敛性和稳定性的严格理论.数值实验结果表明该方法简单而有效、稳定性良好.该格式具有理论意义和推广价值.     

解二次极大极小的时变时滞神经网络

通过鞍点定理和投影理论,提出了一个解二次极大极小问题的变时滞神经网络。利用泛函微分方程理论,给出了确保该变时滞神经网络全局指数稳定的充分条件。由于稳定性分析中不需要原极大极小问题的凸性,该网络可以用来求解一类非凸优化问题。仿真实例验证了理论的正确性和网络的性能。     

解带非线性等式和不等式约束优化问题的超记忆梯度广义投影算法

利用广义投影技术 ,将求解无约束规划的超记忆梯度算法推广 ,建立了求解带非线性等式和不等式约束优化问题的一种超记忆梯度广义投影算法 ,并证明了算法的收敛性。该算法具有稳定、计算量小、所需收敛条件弱、收敛性强等特点 ,并改进了广义梯度投影算法的收敛速度。数值算例表明该算法是有效的。     

一类求解退化凸二次规划的投影神经网络

借助变分不等式和Kuhn—Tucker条件,构造了一类投影神经网络求解线性约束的退化凸二次规划问题．与已有的求解退化凸规划问题的神经网络系统相比,系统的适用范围更广;在理论方面,系统是全局收敛的;数值实例显示了所得结论的有效性和正确性．     

时滞神经网络的指数稳定性分析

研究了一类时滞细胞神经网络的指数稳定性问题,利用Razumikhin定理和线性不等式技术得到新的全局指数稳定性准则.与其他方法不同之处在于,对神经网络模型的“线性化”,将神经网络模型变成一个线性时变的系统.所获的条件具有较少的保守性.最后用1个数值例子说明文中所得的结果是有效的.     

前馈神经网络权值学习综合算法

目前基于高斯牛顿法及其衍生算法的前馈神经网络虽然可以达到局部二阶收敛速度,但只对小残量或零残量问题有效,对大残量问题则收敛很慢甚至不收敛.为了实时解决神经网络学习过程中可能遇到的小残量问题和大残量问题,引入NL2SOL优化算法与GaussNewton法相结合,并引入熵误差函数,构建基于GaussNewton NL2SOL法的前馈神经网络.仿真实例表明,该神经网络较好地解决了残量问题,具有良好的收敛性和稳定性.     

离散Hopfield型神经网络的异步收敛性研究

主要研究非对称离散Hopfield神经网络的异步演化方式的收敛性，并给出了一些新的收敛性条件。若网络的连接权矩阵可以分解成主对角元素非负的对称矩阵和行（列）对角占优的矩阵之和，则网络是异步收敛的，所获结果推广了已有的结论。     

一般约束最优化强收敛的广义强次可行方向法

讨论一般约束最优化,利用广义投影技术和强次可行方向法思想,建立一个初始点任意的新算法,该算法不仅具有全局收敛性,而且是强收敛的,文中还对算法进行数值试验。     

极大熵原理与互补问题的一种迭代算法

把基于信息理论的极大熵原理应用到互补问题的一种等价的不动点格式中,构造了一种光滑的迭代算法,给出了迭代算法收敛的充要条件.对于对称单调的互补问题,给出了收敛的充分条件.扩充了原来的梯度投影法要求严格单调的限制,得出了与外梯度投影法类似的收敛性条件.最后,给出了数值算例,包括标准互补问题考题和随机生成的考题,并给出了该光滑迭代算法与外梯度投影法的数值比较.     

Banach空间中严格渐近伪压缩映像隐迭代序列的收敛性

通过非扩张映像和渐近伪压缩映像的迭代逼近问题的分析,将渐近非扩张映像的隐迭代过程用于Browder-Petyshyn意义下的严格渐近伪压缩映像,得出Banach空间中严格渐近伪压缩映像迭代序列的收敛条件.     

求解一类线性变分不等式的一个射影神经网络

考虑了一类线性变分不等式问题，提出了求解它的一个射影神经网络模型，构造恰当的能量函数，给出了确保新模型稳定和有限时间收敛的3个充分条件，并在适当的条件下，证明了该模型的指数稳定性。新模型结构简单，易于硬件实现，可用来求解非单调的问题。数值试验表明该网络不仅有效而且可行。