延迟离散Hopfield网络的动态特征分析

神经网络的稳定性被认为是神经网络各种应用的基础．主要利用网络的状态转移方程和能量函数来研究带有延迟项的离散Hopfield神经网络动力学行为．给出了延迟离散Hopfield神经网络收敛于周期小于等于2的极限环的一些充分条件．给出了延迟网络收敛于周期为2和4的特殊极限环的一些充分条件．同时，得到了网络不存在任何稳定点的一些必要条件．所获结果不仅推广了一些已有的结论，而且为网络的应用提供了一定的理论基础．     

延迟离散Hopfield型神经网络异步收敛性

离散Ｈｏｐｆｉｅｌｄ型神经网络的一个重要性质是异步运动方式下总能收敛到稳定态。同步运行方式下总能收敛到周期不超过２的极限环,它是该模型可以用于联想记忆设计,组合设计计算的理论基础,文中给出了延迟离散Ｈｏｐｆｉｅｌｄ型网络的收敛性定理,在异步运动方式下,证明了对称连接权阵的收敛性定理,推广了已有的离散Ｈｏｐｆｉｅｌｄ型网络的收敛性结果,给出了能量函数极大值点与延迟离散Ｈｏｐｆｉｅｌｄ型网络的稳定态的     

离散Hopfield联想记忆神经网络的渐近行为

该文对一类离散Hopfield联想记忆神经网络的渐近行为进行了讨论，首先提出这类I／O函数取为Sigmoid型函数的离散Hopfield联想记忆神经网络的数学模型，讨论并给出了这种模型的一系列性质，例如运动轨迹的有界性，平衡点的唯一性以及渐近稳定性等，得到了平衡点渐近稳定的充分条件，检验这种神经网络模型的渐近稳定性，只需要测试一个特定矩阵的定性性质或特定不等式即可，这些结果可用于离散Hopfield联想记忆神经网络的综合过程。     

用神经网络实现离散事件系统监控可能性研究

本文讨论了Hopfield神经网络的以描述人造系统为主的离散事件系统打似之处，以及用神经网络作为离散事件系统模型和监控器的可能性，并指出神经网络优化算法用于实时监控综合的优点及需要解决的问题。     

分层离散事件系统的不透明性

针对离散事件系统（DES）的不透明性问题，结合具有分层（hierarchical）结构的自动机模型，提出了分层离散事件系统的不透明性.对分层离散事件系统进行标准化，给出了分层离散事件系统不透明性和K延迟不透明性两个概念.为了对分层离散事件系统的两种不透明性进行验证，分别构造了两种相应的不透明性验证器，得到了关于不透明性和K延迟不透明性的充分必要条件，并对构造不透明性验证器的复杂度进行了分析.     

离散时间神经网络的研究进展 *

从动力学角度出发综述了离散时间神经网络的研究进展,介绍了离散时间神经网络的研究方法,列举 了离散时间神经网络的一些重要研究进展及其应用,并指出下一步的研究方向。     

神经网络方法求解Gabor展开系数

在离散序列的Ｇａｂｏｒ展式的统一框架下，对周期（或有限）的离散信号在特征抽样情况下的Ｇａｂｏｒ系数用神经网络进行求解，本文构造了神经网络模型，给出了两种实现算法，模拟实验结果说明该方法是有效的。     

高阶Hopfield神经网求解合取范式可满足性问题

本文提出用高阶Ｈｏｐｆｉｅｌｄ神经网络求解ＳＡＴ问题，给出了连续及离散高阶神经网络模型与相应的离散快速求解算法，证明了网络的稳定性，并用实验证明了该方法的可行性，且将该算法与Ｌｏｃａｌ Ｓｅａｒｃｈ算法进行了比较。     

基于Walsh变换的过程神经网络建模及应用

着重研究了基于离散数据的过程神经网络建模问题。考虑到来自现场的过程变量数据基本都是离散的采样数据，并且其中存在伪数据的情况，故先对离散采样数据进行预处理，然后采用离散Walsh变换法对数据进行转换，即将网络输入函数和权函数在Walsh基下映射为一组新的时变向量，将积分聚合运算简化为向量内积运算，实现离散采样数据对连续网络的直接输入。应用所建立的过程神经网络模型对发酵过程菌体浓度进行了预测，取得了较好的效果．     

离散时间反馈神经网络的渐近行为研究

Hopfield神经网络是一类应用非常成功的人工神经网络模型，它是研究这个反馈神经网络的基础．该文主要研究离散时间、连续状态的反馈神经网络，它是Hopfield神经网络的推广．众所周知，研究反馈神经网络的稳定性不仅被认为是神经网络最基本、最主要的问题之一，同时也是神经网络各种应用的基础．文中主要研究离散时间反馈神经网络的稳定性，给出了连接权矩阵非对称的并且输入-输出函数是一般的S-函数的新的渐近收敛性条件及相应的收敛性结论．所获结果不仅推广了一些已有的结论，而且为反馈神经网络的应用提供了一定的理论基础．     

Hopfield-型网络求解优化问题的一般演化规则

基于离散Hopfield-型网络和延迟离散Hopfield-型网络求解优化问题提出了两种一般 演化规则,演化序列的动态阈值是这些规则的重要特征,并获得了收敛性定理.推广了已有的 离散Hopfield-型网络和延迟离散Hopfield-型网络的收敛性结果,给出了能量函数局部极大值 点与延迟离散Hopfield-型网络的稳定态的关系的充分必要条件.鉴于延迟离散Hopfield-型网 络更有效地应用于优化计算问题,给出了一般分解策略.实验表明与离散Hopfield-型网络的 算法相比,文中提出的算法既有较高的收敛率又缩短了演化时间     

一类具有时滞的广义Hopf ield 神经网络的全局稳定性

通过引入能量泛函，分析了一类具有时滞的广义Hopfield神经网络的全局稳定性．从理论上给出了该类网络为全局稳定的充分条件，证明了当时滞满足一个可计算的边界条件时，具有时滞的该类神经网络与相应的无时滞网络具有同样的全局稳定特性．仿真结果进一步证明了结论的有效性。     

Global asymptotic stability of delay BAM neural networks with impulses via nonsmooth analysis

In this paper, we study global asymptotic stability of delay bi-directional associative memory (BAM) neural networks with impulses. We obtain a sufficient condition of ensuring existence and uniqueness of equilibrium point for delay BAM neural networks with impulses basing on nonsmooth analysis. And we give a criteria of global asymptotic stability of the unique equilibrium point for delay BAM neural networks with impulses using Lyapunov method. At last, we present examples to illustrate that our results are feasible.     

Global exponential synchronization for coupled switched delayed recurrent neural networks with stochastic perturbation and impulsive effects

This paper focuses on the hybrid effects of stochastic perturbation, system switching, state delays and impulses on neural networks. Based on the Lyapunov functional method, switching analysis techniques, the comparison principle and a new impulsive delay differential inequality, we derive some sufficient conditions which depend on delay and impulses to guarantee the exponential synchronization of the coupling delay switching recurrent neural networks with stochastic perturbation. Simulation results finally demonstrate the effectiveness of the theoretical results.     

随机步长无向双环网络通信延迟的研究

传统固定步长无向双环网络中通信延迟已经无法突破Wong和Coppersmith给出的下界,为获得更小的通信延迟,需要寻找新的无向双环网络构造方法。提出一种用随机步长来构造无向双环网络的算法,在无向双环网络中分别通过仿真实验对随机步长的直径、平均直径和固定步长的直径下界、平均直径下界比较,随机步长得到的值均远小于传统固定步长得到的值。结果表明：随机步长构造无向双环网络的算法降低了无向双环网络的通信延迟。     

带有时变时滞的切换基因调控网络的稳定性

研究了带有时变时滞的切换基因调控网络的稳定性问题。和现有关于切换基因调控网络结果不同的是,切换基因调控网络包括稳定子系统和不稳定子系统。利用平均驻时方法和线性矩阵不等式技术,得到了带有时变时滞的切换基因调控网络指数稳定的判据。最后的仿真实例验证了结果的有效性。     

一种负载均衡网络中内部链路时延推测算法

了解网络内部链路特征对运维大型IP网络至关重要.前人在假定固定路由条件下采用端到端主动测量的方式从网络边缘推测网络内部链路行为特征.由于网络中存在导致随机路由的负载均衡设备,使以前的主动测量方法无法实施.采用累计生成函数和随机过程方法解决随机路由条件下的网络内部链路时延推测问题.仿真结果表明,算法可以很好地解决随机路由下的内部链路时延推测问题.根据链路时延分布,可以用来判决瓶颈链路,为网络运维提供极具价值的参考.     

On the dynamical modeling with neural fuzzy networks.

In the literature, researchers have introduced delay feedback (or recurrent) networks and claimed that those networks could accurately model dynamical systems without knowing their system orders. In this paper, we have studied those delay feedback networks and also proposed a better version of delay feedback neural-fuzzy networks, called additive delay feedback neural-fuzzy networks (ADFNFN). From our simulations for various examples, it is clearly evident that ADFNFN can have the best modeling accuracy among those existing delay feedback networks. Nevertheless, we also showed by examples that those delay feedback networks can only reach the accuracy of nonlinear autoregressive with exogenous inputs (NARX) models with order two, and that the number of delays in delay feedback networks plays the same role as the order in NARX models.     

Fast virus detection by using high speed time delay neural networks

This paper presents an intelligent approach to detect unknown malicious codes by using new high speed time delay neural networks. The entire data are collected together in a long vector and then tested as a one input pattern. The proposed fast time delay neural networks (FTDNNs) use cross correlation in the frequency domain between the tested data and the input weights of neural networks. It is proved mathematically and practically that the number of computation steps required for the presented time delay neural networks is less than that needed by conventional time delay neural networks (CTDNNs). Simulation results using MATLAB confirm the theoretical computations.     

Performance analysis of opportunistic broadcast for delay-tolerant wireless sensor networks

This paper investigates a class of mobile wireless sensor networks that are unconnected most of the times; we refer to them as delay-tolerant wireless sensor networks (DTWSN). These networks inherit their characteristics from both delay tolerant networks (DTN) and traditional wireless sensor networks. After introducing DTWSNs, three main problems in the design space of these networks are discussed: routing, data gathering, and neighbor discovery. A general protocol is proposed for DTWSNs based on opportunistic broadcasting in delay-tolerant networks with radio device on-off periods. Three performance measures are defined in the study: the energy for sending queries to ask for data from possible neighbors (querying energy), data transfer energy, and absorption time (delay). A simple yet accurate approximation for the data-transfer energy is proposed. An analytic model is provided to evaluate the querying energy per contact (epc). Simulation results for the data propagation delay show that the querying energy per contact measure obtained from the analytic model is proportional to the product of the querying energy and the delay. A practical rule of thumb for an optimal query interval in terms of delay and energy is derived from different parts of the study.