排序方式: 共有27条查询结果,搜索用时 15 毫秒
1.
研究了时间标度上具有时滞和脉冲影响的复值神经网络的全局稳定性问题.利用时间标度上的微积分理论,将连续时间型复值神经网络和离散时间型复值神经网络统一在同一个框架下进行研究.在不要求激励函数有界的条件下,运用同胚映射原理,建立了确保时滞复值神经网络平衡点存在性和唯一性的判定条件.通过构造合适的Lyapunov-Krasovskii泛函,并使用自由权矩阵方法和矩阵不等式技巧,获得了时间标度上具有时滞和脉冲影响的复值神经网络平衡点全局稳定性的充分条件.给出的判据是由复值线性矩阵表示的,易于MATLAB软件的YALMIP Toolbox实现.数值仿真实例验证了获得结果的有效性. 相似文献
2.
3.
研究了不连续激活函数的时滞神经网络的多稳定性问题,在所研究的神经网络中,激活函数并不需要是连续的和单调的.给出了判断该神经网络多个平衡点存在及局部指数稳定的充分条件.最后,给出了两个数值仿真例子来验证本文获得结果的有效性和较小的保守性. 相似文献
4.
5.
6.
7.
近年来,在系列国家自然科学基金项目(61403179,61877033,61773320,11601464,11702237,11771242,61833005,61907033,61773152,61773185,61877030,61502212)、国家社会科学基金项目(17BGL231)和中国博士后科学基金项目(2016M601698,2017T100318,2018M642129)等的支持下,国内大数据和人工智能的理论和应用基础研究取得了长足的进展.我们将近年来本领域有代表性的部分论文成果汇集成册,在《应用数学和力学》上专辑发表,希望能对我国大数据和人工智能领域的发展有所助益. 相似文献
8.
9.
考虑到高速公路行程时间影响因素繁多且行程时间序列非线性、非平稳特征显著,设计了基于经验模态分解和GRU神经网络的高速公路行程时间组合预测模型.首先,利用高速公路收费数据中车辆进出高速公路的时间信息获取路段行程时间序列;然后,利用经验模态分解算法,将复杂的行程时间序列分解为若干时间尺度不同、相对平稳的本征模态函数分量和残差分量;接着,使用GRU神经网络对各本征模态函数分量和残差分量进行预测与集成操作.实例分析表明:经验模态分解可有效提高LSTM、GRU神经网络的预测精度;在相同参数设置的情况下,GRU神经网络的预测精度优于LSTM神经网络. 相似文献
10.