非线性动态系统辨识的神经网络结构和可行性研究

在讨论各种非线性动态系统辨识模型的基础上，给出相应模型的神经网络实现方案，并首次提出了实现非线性动态系统的回归状态模型的新型神经网络结构－神经网络状态空间辨识模型，从理论上证明了使用神经网络实现这些模型的可行性。     

时延动态神经网络的稳定性分析

基于时延动态网络模型的优化计算易于收敛到非法解或局部极小解,以及其算法对模型参数和初始条件具有很强的依赖性等缺点,对时延动态神经网络的稳定性进行了深入地研究讨论,通过Razumikhin-type定理对时延动态神经网络的稳定性进行了分析研究.     

动态递归模糊神经网络及其BP学习算法

提出了一种新型的动态递归模糊神经网络，并根据动态递归神经网络的数学模型推导出其动态反向传播学习算法，仿真结果表明对于动态系统的辨识，动态递归模糊神经网络较传统模糊神经网络在辨识精度和稳定性方面具有更好的效果。     

具衰减随机干扰的分布参数型Hopfield神经网络的镇定

以随机Fubini定理为基础，研究具有分布参数的Hopfield随机神经网络的镇定问题，该神经网络具有衰减的随机扰动。构造了一个关于空间变量平均的Lyapunov函数，用Lyapunov第二方法给出了使该类随机神经网络控制系统镇定的控制器设计，并通过一实例证明了该控制器的有效性。     

离散型动态规划模型的知识表示及其IBFS算法研究

针对运筹学模型表示中存在的问题，本文以离散型动态规划模型为研究对象，从解决动态模型的知识表示与基于知识的推理机制入手，通过剖析动态规划问题的决策过程及其状态演变特征，运用人工智能状态空间理论，将动态规划模型的求解转化为状态空间图中最佳路径的搜索，提出了以六元组Ｍ＝（Ｉ，Ｇ，Ｏ，Ｔ，Ｄ，Ｓ）表示离散型动态规划模型的知识表示方法－ＩＧＯＴＤＳ表示法；并引入最优评价函数，研究了基于状态空间图的求解离散型动态规划模型ＩＢＦＳ搜索算法．本文的工作有利于促进并深化运筹学应用的知识化、智能化研究．     

基于GIS的河流水体污染非线性预测系统研究

针对河流水体污染物的空间分布特点,提出综合运用GIS、BP神经网络和遗传算法,实现河流水污染的空间数据管理和污染预测的方法。该方法通过改进激励函数、为权值的修正加入动量项等方法改良BP算法;并引入遗传算法实现BP神经网络隐层节点数、最佳学习率和动量因子等参数的自动搜索,有效地解决了传统模型参数难以确定等问题。并进一步将该模型与GIS强大的空间功能结合,实现了水体污染的海量空间数据管理及评价预测结果的空间图形直观可视化表达,十分便于及时掌握河流水体污染动态、空间分布及演化趋势。并最终以GIS为二次开发平台,实现了基于遗传神经网络的河流水体污染非线性预测管理系统,并在长江重庆城区段河流污染预测应用中显示出良好的效果,预测精度达78%以上。     

基于鲁棒稳定高阶动态神经网络的非线性系统的辨识

将高阶动态神经网络作为非线性系统的辨识模型,运用Lyapunov稳定性理论,提出一种有效的鲁棒稳定学习规则及相应的学习网络结构,从而确保在对非线性系统辨识时,即使存在建模偏差,辨识误差和动态神经网络的参数能一致最终有界(UUB)稳定,解决了动态神经网络的学习稳定性问题．仿真结果也证明了该辨识方法的有效性．     

色度空间转换模型评价体系的研究

颜色的色度值在不同色度空间之间的相互转换是色彩管理技术的核心技术之一.通过定义色度空间转换模型的稳定性和鲁棒性的概念及其评价方法,建立了以模型稳定性、鲁棒性及模型转换精度为参数的色度空间转换方法评价体系,并选择确定的检验色块样本集,分别以基于动态子空间划分的BP神经网络颜色空间转换方法和基于模糊神经辨识方法的颜色空间转换模型这两种人工智能的彩色设备特征化方法为例,分别对其进行评价分析.结果表明,该评价体系可以有效地对颜色空间转换模型进行定量分析,从而为色度空间转换方法的评价建立新的思路.     

神经网络自适应控制技术在空调系统中的应用

目的采用神经网络自适应控制方法，来解决中央空调系统大惯性、大时滞问题，提高控制效果．方法利用两个BP神经网络NNC和NNI，分别做控制器和辨识器，神经网络辨识器通过采集相关的输出量，监控系统的工作状态，并通过实时调整神经网络控制器参数．结果实现中央空调智能控制，仿真结果验证有良好的动态性能和稳态性能．结论神经网络自适应控制器优于常规控制器．调节速度快，超调小，具有良好的控制性能．     

基于动态递归模糊神经网络的动态系统辨识

模糊系统和神经网络由于具有逼近任意连续非线性映射的特性而广泛应用于系统的辨识和控制，但是传统的模糊神经网络是一种静态映射，不适用于动态系统的辨识，而现实工程中的控制对象反映的是系统的动态行为．为了提高动态系统的辨识精度，提出了一种新型的动态递归模糊神经网络，并根据动态递归神经网络的数学模型推导其动态反向传播学习算法及其改进算法．仿真结果表明：由于动态模糊神经网络的辨识过程同时利用了系统的当前数据和历史数据，对动态系统的辨识，特别是对具有纯时间延迟动态系统的辨识，较传统模糊神经网络在辨识精度和稳定性方面具有更好的效果．同时，确定网络权值和隶属函数参数初始值的方法可使动态系统的辨识过程具有更快的收敛速度．     

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。     

一类具分布时滞神经网络周期解的存在性

利用重合度理论中的延拓定理和一些分析技巧,获得了具分布时滞的双向联想记忆（BAM）神经网络模型周期解的存在性的结论．     

S-分布时滞反应扩散Hopfield神经网络稳定性

利用拓扑度理论和Lyapunov泛函方法研究了S-分布时滞反应扩散Hopfield神经网络平衡点的存在性及全局鲁棒指数稳定性.例子表明所得结果易于验证,具有广泛的适用性.     

Adaptive neural networks control for uncertain parabolic distributed parameter systems with nonlinear periodic time-varying parameter

Science China Technological Sciences - This paper studies the problem of adaptive neural networks control (ANNC) for uncertain parabolic distributed parameter systems (DPSs) with nonlinear periodic...     

时滞依赖的脉冲时滞神经网络的稳定性

基于Lyapunov泛函和不等式技巧,得到脉冲混合时滞神经网络全局指数稳定性的时滞依赖型判据,其中混合时滞包括离散时滞和分布时滞两种类型。该判据用线性矩阵不等式表示,并通过一个数值实例验证了判据的有效性。     

Evaluation on Stability of Stope Structure Based on Nonlinear Dynamics of Coupling Artificial Neural Network

The nonlinear dynamical behaviors of artificial neural network(ANN) and their application to science and engineering,were summarized.The mechanism of two kinds of dynamical processes,i.e.weight dynamics and activation dynamics in nerual networks,and the stability of computing in structural analysis and design were stated briefly.It was successfully applied to nonlinear neural network to evaluate the stability of underground stope structure in a gold mine,with the application of BP network,it is proven that the neuro-computing is a practical and advanced tool for solving large-scale underground rock engineering problems.     

具有参数摄动时滞Hopfield神经网络的鲁棒稳定性和吸引域估计

针对具有参数摄动的时滞Hopfield神经网络,基于矩阵范数的概念建立了时滞依赖鲁棒稳定判据.该鲁棒稳定判据将参数摄动大小和时滞上界大小统一在一个表达式中,进而可得到时滞和参数摄动大小对网络稳定性影响的定量关系.此外,给出了局部稳定平衡点吸引域大小的估计,并通过数值仿真验证了本文结果的有效性.     

具有参数不确定、干扰、混合时变时滞的随机细胞神经网络的鲁棒稳定性及H∞控制

研究了一类具有离散与分布时滞的不确定随机模糊细胞神经网络在外部干扰下的鲁棒稳定性和控制,在不确定性项范数有界的条件下,通过构造Lyapunov泛函,运用Ito公式,给出了系统鲁棒稳定和控制的充分条件,并给出实例验证了结论的可行性。     

随机马尔科夫跳变时滞神经网络的状态估计

研究了一类具有离散和分布时滞的随机马尔科夫跳变神经网络的状态估计问题。基于伊藤引理、Lyapunov-Krasovskii泛函等理论,通过积分不等式方法得到时滞神经网络全局渐近均方稳定条件,再以线性矩阵不等式为求解工具,设计出状态估计器,最后通过数值例子对所提方法的有效性进行验证。     

混合系统的最优镇定

本文将文献[1]中用于离散系统的最优镇定定理推广到由离散系统和分布参数系统组成的混合系统,并讨论了由刚体和弹性体组成的受控混合系统的最优镇定问题。