一类神经网络模型的解及其渐进性态

通过对简单一维微分方程的求解，得出了一类人工神经网络模型的解解析表达式，它是由对称阵的特征值与特征向量表达，根据此解析表达式推出了该神经网络模型在特殊情况下的解析表达式。在特殊情况下，特征值与特征的向量的神经网络计算已有很多论文论及。最后利用解析表达式分析了该神经网络解的渐近稳定性态。     

一类神经网络算法的渐近行为

研究了一类连续型全反馈人工神经网络的稳定性,通过求解简单的一维微分方程,给出了这类神经网络系统的解的解析表达式,利用解的解析表达式证明了当A的特征值l λ ≤ 0,至少有一个特征值为负时,网络的一切从Rn中的单位超球内出发的解收敛于原点或单位超球内的一点.     

有限元结构动力分析的广义特征值的神经计算

广义特征值问题是结构动力分析计算的关键之一.应用Reyle igh极小值原理,将神经网络的能量函数的极小点对应于广义特征值问题的最小特征值所对应的特征向量,在神经网络朝着能量函数极小点运动的同时得到了最小特征值所对应的特征向量的精确解答.从特征值的变分特性出发,给出了基于罚函数法的其他特征值的神经网络求解方案,从而在理论上给出了广义特征值问题的所有特征值的神经网络求解方法.仿真计算表明,该方法正确、有效可行.     

谱约束下反埃尔米特广义哈密尔顿矩阵最佳逼近解的扰动分析

给出谱约束下反埃尔米特广义哈密尔顿矩阵的最佳逼近解的表达式,讨论反埃尔米特广义哈密尔顿矩阵这个矩阵类,在特征值和特征向量有扰动的情况下,对谱约束下的最佳逼近解产生的影响,并给出数值例子。     

具有时滞的非线性神经网络系统的渐进稳定性

文章将一类具有时滞的n维非线性神经网络模型的求解转化为求解简单的一维泛函微分方程的问题，给出了它们的解之间的关系表达式，进而推出解的解析表达式；最后论证了在所给的矩阵特征值均为负实数的条件下，神经网络模型平衡解是指数稳定的。     

子矩阵约束下广义反中心对称矩阵的广义特征值反问题

讨论了广义特征值反问题在子矩阵束约束下的广义反中心对称解及其最佳逼近问题。应用矩阵对的商奇异值分解,导出了该问题有广义反中心对称解的充要条件及有解情况下的通解表达式,证明了最佳逼近问题解的存在性与唯一性,并得到了最佳逼近解的表达式。     

一种基于EMD和神经网络的超声缺陷信号分类方法

在经验模式分解(Empirical Mode Decomposition,EMD)的基础上,结合人工神经网络技术提出一种超声缺陷信号的分类方法.首先利用EMD对信号进行分解获得多个平稳的IMF(Intriusic Mode Functions)分量,然后对各IMF分量分别在时域和频域求出一组特征值,由这些特征值构造向量,作为识别信号的特征向量.采用BP神经网络作为诊断决策分类器,神经网络模型中输入节点对应信号特征向量,输出节点对应缺陷类型.详细地论述了这种方法的基本原理及实现过程.通过典型人工缺陷样品的回波信号的试验,表明该方法对于检测此类缺陷信号有较好的效果.     

回复式离散神经网络的特征子空间估值

提出了用两种回复式离散神经网络模型研究正定对称矩阵的特征子空间估值问题:第1种模型是非线性神经网络,用于计算最大特征值及其特征向量;第2种模型属于线性神经网络,用于计算相应于最大特征值的特征子空间。详细研究了两种离散神经回路网络模型的动力学性质并用于特征子空间估值。     

一个正互反矩阵右主特征向量的单调性质

目的　揭示一个特殊正互反矩阵右主特征向量与该矩阵一个参数的关系 .方法　利用微积分与矩阵特征值理论 .结果与结论　给出了一个正互反矩阵右主特征向量的单调性结论 ,该结果对层次分析法的灵敏性研究有重要意义     

一类神经网络系统的渐近行为

研究了一类微分方程系统解的渐近行为和零解的稳定性问题;讨论了利用特征值的符号及运用解对初值的连续依赖性和一些变换算法,该算法优点是不需求出解的解析表达式,就能判断方程解的渐近行为和零解的稳定性态,其推理过程较清晰严密并有一定的参考价值。