时变时滞细胞神经网络的同步研究与仿真

分析时变时滞的细胞神经网络全局渐近稳定性问题,确定时变时滞细胞神经网络平衡点全局渐近稳定的新充分判定准则。通过研究时滞细胞神经网络模型、系统激励函数所需满足的条件及需要的引理,讨论时滞细胞神经网络的全局渐近稳定性,所得条件与时滞相关,并用实例验证所得的稳定性条件是有效的.     

用矩阵测度法研究细胞神经网络的稳定性

主要讨论使用矩阵测度法来研究细胞神经网络的稳定性,给出了细胞神经网络全局指数稳定的条件．     

具有时滞的广义神经网络的稳定性分析

对于具有时滞的广义神经网络,利用Liapunov函数方法、线性矩阵不等式以及积分不等式等技巧,给出了该神经网络模型的平衡点的存在性、惟一性以及全局指数稳定的一些充分条件.通过对这些结论和已有结果的比较,说明所得到的这些条件推广了已有文献中的结果,并得到了神经网络稳定性的新的条件.这些条件对于神经网络的设计具有指导作用.     

一类具混合时滞的神经网络的分岔现象研究

基于一类具混合时滞的神经网络的分岔现象,考虑到时滞现象的影响,给出该神经网络系统的稳定性及Hopf分支存在的条件,利用规范形方法获得了Hopf分支方向和Hopf分支周期解的稳定性的计算公式.     

动态分布参数神经网络及其稳定性分析

文中将Ｈｏｐｆｉｅｌｄ型有限状态空间动态神经网络推广到无穷维状态空间动态神经网络，即动态分布参数神经网络（ＤＤＰＮＮ），并给出了它们的有界性和稳定性，尤其是，还研究了带有微分算子的多维分布参数神经网络的时空稳定性以及在保证稳定性情况下所应满足的边界条件，文中从理论上完善和发展了动态神经网络。     

时滞的周期神经网络模型周期解的稳定性分析

通过构造Lyapunov-Krasovsk ii泛函,获得了时滞周期神经网络模型周期解指数稳定性的一个充分条件。     

变时滞神经网络鲁棒稳定的一个新判据

研究了一类变时滞区间细胞神经网络的全局渐近鲁棒稳定性。基于非负矩阵理论和Lyapunov-Razumikhin分析方法,得到了变时滞区间细胞神经网络全局渐近鲁棒稳定的一个充分条件,该条件与时滞参数无关且易于验证。理论分析和数值例子表明所得条件推广了已有文献中得到的两个相应的结果,是对区间神经网络鲁棒稳定性研究的有效补充。数值例子和相应的计算机仿真验证了所得结果的有效性。     

带有Leakage时滞脉冲神经网络的渐近稳定性

讨论带有Leakage时滞的Hopfield神经网络的渐近稳定性,在非线形激励函数满足Lipschtz条件的假设下,通过构建Lyapunov泛函、Dini导数和分析技巧,建立起这一类Hopfield神经网络的渐近稳定性的易于验证的判定依据.     

具有离散和分布时滞的中立型细胞神经网络的全局渐近稳定性

文章研究了一类具有离散和分布时滞的中立型细胞神经网络的全局渐近稳定性问题,首先利用拓扑度原理等相关知识,证明了系统的平衡点的存在唯一性,然后通过构造Lyapunov—Krasovskii泛函,得出了具有离散和分布时滞的中立型神经网络系统的平凡解的全局指数稳定性的判别条件。     

一类时延并联限制细胞神经网络的周期解

研究一类时延并联限制细胞神经网络的周期解.利用压缩映射原理和构造Lyapunov泛函的方法,给出判定此系统周期解的存在唯一性及指数稳定性的条件,并给出了一个例子说明条件是可行的.这些条件可用于设计周期稳定的时延并联限制细胞神经网络,也很容易用简单的代数方法进行验证,这对此类细胞神经网络的设计和应用起到了重要作用.     

多比例时滞细胞神经网络的全局一致渐近稳定性

对一类具多比例时滞细胞神经网络进行研究, 利用变换zi(t)=yi(et) 将具多比例时滞细胞神经网络变换成变系数常时滞的细胞神经网络. 通过构造合适的Lyapunov泛函, 给出了几个保证该系统全局一致渐近稳定的时滞独立的充分条件, 并给出例子验证所得结论的正确性.     

模糊细胞神经网络系统鲁棒稳定性分析

采用Lyapunov稳定理论,通过构造Lyapunov函数方法研究具有变时滞模糊神经网络系统鲁棒稳定性,给出了具有变时滞模糊神经网络系统鲁棒渐近稳定性的充分条件.     

Asymptotical mean square stability of cellular neural networks with random delay

In this paper,the asymptotical mean-square stability analysis problem is considered for a class of cellular neural networks (CNNs) with random delay. Compared with the previous work,the delay is modeled by a continuous-time homogeneous Markov process with a finite number of states. The main purpose of this paper is to establish easily verifiable conditions under which the random delayed cellular neural network is asymptotic mean-square stability. By using some stochastic analysis techniques and Lyapunov-Krasovskii functional,some conditions are derived to ensure that the cellular neural networks with random delay is asymptotical mean-square stability. A numerical example is exploited to show the vadlidness of the established results.     

具时滞离散递归神经网络的全局指数稳定性

研究了一类具时滞离散递归神经网络平衡点的全局指数稳定性问题.对连续有界激活函数做扇形非线性条件假定,用Lyapunov-Krasovskii稳定性理论和线性矩阵不等式方法,得到了具时滞离散递归神经网络模型在平衡点全局指数稳定的一些充分条件.数值例子说明了本文结果的有效性.     

多时滞反应扩散Cohen-Grossberg神经网络的稳定性

研究了一类具有反应扩散项的时滞Cohen—Grossberg神经网络模型利用拓扑度理论和Lyapunov函数方法，研究了此类系统平衡点的存在性及全局指数稳定性，给出了判定定理．     

层次模块化神经网络新方法研究

多个神经网络组成的系统有两种工作方式:其一是通过训练多个神经网络,以协同或竞争的方式来构建学习系统解决同一问题;其二则是将复杂问题分解成若干简单问题而后进行处理。应用分而治之的思想提出了一种层次模块化神经网络新方法———三层结构的模块化神经网络HMNN(HierarchicalModularNeuralNetwork)模型,在提高算法性能方面有一定优势,对比实验研究也表明该算法有效地提高了系统的泛化能力和算法稳定性。     

结构缺损的识别

利用小波分析与人工神经网络相结合的方法,对结构缺损进行了识别。敲击缺损试件后产生的振动信号由传感器拾取,经数据采集系统采集、适当处理后进行小波变换,形成人工神经网络的训练样本,并对所建网络进行训练,利用在训练样本中加入随机噪音的方法对网络的识别精度进行了讨论。本文用上述方法以悬臂梁试件为例,对结构缺损位置、缺损深度以及螺栓联接结构的紧固程度进行了试验。     

随机型细胞神经网络的稳定性

借助于李雅谱洛夫理论、矩阵分析方法和Itô公式,结合不等式分析技巧,研究了随机细胞神经网络系统的均方指数稳定性,给出了系统的解的二阶矩Liapunov指数估计式和均方指数稳定的充分条件。     

智能神经网络在乐器音调识别中的应用

基于智能神经网络的理论，提出了一种乐器音调识别的方法。首先通过小波变换提取音调的特征值，然后训练了若干能够识别某一音调的小网，最后联合所有小网络组成大的智能神经网络以识别所有音调。本试验中对单音的音调识别率为97．90％。     

负阻态忆阻Hopfield神经网络动力学

人类大脑是一个高度复杂且规模庞大的非线性动力学系统,其动力学行为与人类智能活动密切相关。基于忆阻器的人工神经网络不仅可以很好地模拟人脑工作机制,而且其非线性特性可以为神经网络带来更为丰富的动力学行为。为了进一步发挥神经网络的优势,引入一种新的具有负阻态功能的忆阻器模型,该模型打破了原有忆阻器的阻态极性限制,为忆阻器扮演神经网络突触仿生器件提供了更加丰富的变化性能。在对忆阻器模型分析的基础上,提出了一种新的忆阻Hopfield神经网络(HNN),进一步加强了HNN的负反馈功能,使之表现出更加丰富和复杂的动力学行为。实验结果表明,新忆阻HNN拥有较为丰富的动力学行为,具有一定的混沌特性。在不同的忆阻器参数以及权值矩阵取值条件下,观察系统的相位轨迹图、Lyapunov指数的变化情况,并与同类型网络进行对比,进一步证明提出的神经网络的有效性,同时复杂的动力学特性也为在数据处理、图像加密等方面的应用提供了研究支撑。