含时延的联想记忆神经网络的指数吸引域和指数收敛速度

采用不等式技巧和非负矩阵性质, 给出了含时延的联想记忆神经网络平衡点的指数吸引域和指数收敛速度估计以及指数稳定的一些判断条件.     

联想记忆神经网络的训练

提出了一种联想记忆神经网络的优化训练方案,说明网络的样本吸引域可用阱深参数作一定程度的控制,使网络具有尽可能好的容错性.计算表明,训练网络可达到α＜1(α=M/N,N是神经元数,M是贮存样本数),而仍有良好的容错性,明显优于外积法、正交化外积法、赝逆法等常用方案.文中还对训练网络的对称性与收敛性问题进行了讨论.     

基于线性规划的联想记忆神经网络模型

提出一种基于优化线性函数的神经网络联想记忆器,打破了将待识别模式作为网络起始点的常规,它能保证渐近稳定的平衡点集与样本点集相同,吸引域分布合理,不渐近稳定的平衡点恰为实际的拒识模式,并且电路实现容易,对拒识模式有清楚的解释。理论分析和计算机模拟都表明本文的模型是理想的联想记忆器,还可降低对硬件的精度要求。     

模拟反馈联想记忆的吸引域和指数收敛速度的估计及其应用

本文得到了若干关于模拟反馈联想记忆各记忆模式的吸引域及其中每一点趋向相应记忆模式的指数收敛速度的估计结果，它们可用于高效模拟反馈联想记忆的性能评价以及综合过程．     

噪声环境中时滞双向联想记忆神经网络指数稳定

任何系统实际上都是在噪声环境中进行工作的.对处在噪声强度已知的噪声环境下双向联想记忆(BAM)神经网络,其平衡点具有指数渐近稳定性是网络进行异联想记忆的基础.构造一个适当的Lyapunov函数,应用It^o公式、M矩阵等工具讨论了在噪声环境下具有时滞的BAM神经网络概率1指数渐近稳定,得到了指数稳定的代数判据和两个推论,此判据只需验证仅由网络参数构成的矩阵是M矩阵即可,给网络设计带来方便.本文所得结果包括相关文献中确定性结果作为特例.     

模拟反馈联想记忆的吸收域和指数收敛速度的估计及其应用

本文得到了若干关于模拟反馈联想记忆各记忆模式的吸收域及其中每一点趋向相应记忆模式的指数收敛速度的估计结果，它们可用于高效模拟反馈联想记忆的性能评价以及综合过程。     

时滞双向联想记忆神经网络的全局指数稳定新条件

运用不等式αПk=1^m blk≤1/r ∑k=1^m qkbk^r＋1/rα^r（α≥0,bk≥0,qk〉0,∑k=1^m qk=r-1,r〉1）和构造新的李雅普洛夫泛函方法,研究了时滞双向联想记忆神经网络的全局指数稳定性。去掉了相关文献中有关传递函数有界性的假设,给出了较弱的并且不依赖于时滞的判别条件,增强了模型的适用性,在网络的分析和设计中发挥着重要作用。最后我们通过模拟仿真进一步说明所得结果的正确性,并对双向联想记忆神经网络的收敛速度作了分析。     

时滞杂交双向联想记忆神经网络的全局指数稳定性

在近十几年里，已提出了一类与双向联想记忆相联系的神经网络模型，这些模型推广了单层自联想Hebbian相关器为两层异联想模式匹配器，因而，这类网络在模式识别、信号与图像处理等领域中有广阔的应用前景．研究了带离散时滞杂交双向联想记忆神经网络的收敛特性，利用Halanay型不等式获得了网络全局指数稳定性的充分条件，所得结果是与时滞无关的；已证明利用Halanay型不等式获得的结果改进了由Lyapunov方法获得的结果，而且获得的结果容易判定，并且给出了一个数值例子以说明所得结论的正确性．     

基于约束区域的连续时间联想记忆神经网络

传统的联想记忆神经网络模型是根据联想记忆点设计权值。文中提出一种根据联想记忆点设计基于约束区域的神经网络模型,它保证了渐近稳定的平衡点集与样要点集相同,不渐近稳定的平衡点恰为实际的拒识状态,并且吸引域分布合理。它具有学习和遗忘能力,还具有记忆容量大和电路可实现优点,是理想的联想记忆器。     

基于遗传算法的Hopfield联想记忆吸引域的优化

由于一般离散Hopfield神经网络存在很多伪稳定点.使稳定点的吸引域变小.网络很难获得真正的最优解.因此,提出将遗传算法应用到Hopfield联想记忆神经网络中.利用遗传算法对复杂、多峰、非线性极不可微函数实现全局搜索性质.对Hopfield联想记忆吸引域进行优化,使待联想模式跳出伪模式的吸引域.使Hopfield网络在较高噪信比的情况下保持较高的联想成功率.仿真结果证明了该方法的有效性.     

二阶神经网络的全局指数稳定性分析

当神经网络应用于最优化计算时,理想的情形是只有一个全局渐近稳定的平衡点,并且以指数速度趋近于平衡点,从而减少神经网络所需计算时间,二阶神经网络较一般神经网络具有更快的收敛速度,对于二阶连续型Hopfield神经网络,用Lyapunov方法讨论平衡点的全局指数稳定性,给出了平衡点全局指数稳定的几个判别准则,作为特例,获得了连续型Hopfield神经网络全局指数稳定的新判据。     

一类时延反馈神经网络的稳定性及吸引域的估计

反馈型神经网络由于具有极为丰富的动力学行为和整体计算能力（如优化、联想、振荡和混饨）而倍受关注，近几年的研究表明，当网络的时延足够小时，具有延时的对称Hopfield型神经网络和无时延情况一样也是全局稳定的．本文通过构造适当Lyapunov泛函的方法，对一类具有时延的反馈型神经网络平衡点的渐近稳定性进行了分析，得到了平衡点渐近稳定的充分条件：要检验一个有时间延迟的反馈型神经网络的稳定性，只要测试一个特定矩阵的定性性质或一个特定不等式即可．最后我们也提供了一种估计网络渐近稳定平衡点吸引域的方法．     

DEDS语言相对于状态稳定性的充要条件

提出了ＤＥＤＳ的语言相对于状态稳定性的定义，讨论了与状态稳定性的关系，给出了语言相对于状态稳定的条件，最后用例子说明了所得到的结论。     

时滞切换不确定神经网络系统的指数稳定性

本文研究了具有无穷时滞切换不确定细胞神经网络(UCNNs)系统任意切换下的指数稳定性.利用同胚映射和M-矩阵理论,得到UCNNs系统平衡点存在性,唯一性和指数稳定性的充分条件;利用Lyapunov泛函方法,研究了时滞切换UCNNs系统任意切换下的鲁棒指数稳定性,并得到确保系统全局指数稳定的充分条件.     

一类非线性开关系统二次稳定性的充要条件

研究了一类非线性开关系统的二次稳定性问题.首先将系统的二次稳定性转化为等价的带约束非线性规划问题,给出了系统二次稳定的充分必要条件;然后利用Fritz John条件,将该充要条件转化为较易检验的以代数方程和不等式的解表示的代数条件,最后举例说明了该代数条件的使用.     

离散Hopfield神经网络的稳定性研究

推广了前人关于离散Hopfield神经网络的稳定性定理及周期为2极限环的存在定理,并从理论上给出了新的严格的证明.进一步,提出了关于部分变元稳定和部分变元为极限环的新概念,并给出了判别定理.最后给出了几个有趣的例子,揭示这类网络渐近行为的复杂性.     

NECESSARY AND SUFFICIENT CONDITIONS FOR DELAY‐DEPENDENT ASYMPTOTIC STABILITY OF LINEAR COTINUOUS LARGE SCALE TIME DELAY AUTONOMOUS SYSTEMS

This paper offers new necessary and sufficient conditions for delay‐dependent asymptotic stability of the linear continuous large scale time delay systems. The obtained conditions of stability are expressed by nonlinear system of matrix equations and the Lyapunov matrix equation for an ordinary linear continuous system without delay.