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．     

基于离散双向联想记忆神经网络的多元通信系统

针对噪声导致非线性数字通信系统传输信号的差错概率增加的问题,提出一种基于离散双向联想记忆（BAM）神经网络的多元通信系统。首先,根据需要传输的信号,选取适当的神经元数量和记忆向量,计算权值矩阵,并生成BAM神经网络;然后将多元信号映射为具有调制幅度的初始输入向量并不断输入系统,通过神经网络进行循环迭代,并向各神经元添加高斯噪声,之后按照码元间隔采样输出并在无损信道中传输,接收端依据判决规则译码判决;最后在图像处理领域,利用所提系统传输图像压缩后的数据并解码恢复图像。仿真结果表明,对于码元间隔较大的弱调制信号,随着噪声强度的增加,差错概率先减后增,随机共振现象比较明显;差错概率还与信号的进制数呈正相关关系,与信号幅度、码元间隔和神经元个数呈负相关关系,某些条件下,差错概率可以达到0。以上结果表明BAM神经网络可以通过噪声改善数字通信系统的可靠性。另外,解码恢复图像的相似度显示了适量噪声对图像恢复效果的改善,扩展了BAM神经网络和随机共振在图像压缩编码中的应用。     

联想记忆神经网络局部指数稳定的充要条件及特征函数

讨论非线性连续联想记忆神经网络平衡点局部指数稳定的判定条件及平衡点指数吸引域的估计,得到了平衡点局部指数稳定的充要条件,并引入一个特征函数,可以判定平衡点的邻域是否为指数吸引域.文中给出一族范数下(所有单调范数)网络局部或全局指数稳定的判定条件,推广了已知文献在特定范数下所得到的结论.     

一种新型双向联想记忆神经网络

提出了一种新型双向联想记忆神经网络,此网络将两个相互关联的模式以模式对的形式存储在由N个连接构成的模式环中,记忆容量为22N数量级,完全消除了假模式对、能够全部或部分地回忆出与输入模式对具有最小Hamming距的被记忆的模式对,同时具有较高的记忆效率和可靠性。连接由“连接状态”和“禁止路径”组成,前者直接存储二进制模式对向量的分量,后者用于消除假模式;此神经网络具有正向联想、逆向联想和自联想方式,使得网络能更灵活有效地满足不同的回忆要求。     

改进的指数双向联想记忆模型在数据压缩中的应用

改进的指数双向联想记忆模型（Ｉmproved exponential bidirectional associative memory molel,IeBAM)是在eBAM的基础上通过引入内连接项而产生的一个比eBAM具有更高存储容量,纠错性的联想神网络,借助于ＩeBAM的高存储容量和良好的纠错性能及有序直方,要实现一种更高效率的数据压缩方法,从而为现有的数据压缩方法提供一种新算法,最后,计算机模拟证实了使用ＩeBAM的数据压缩性能比使用eBAM的更好。     

一种新的双向联想记忆神经网络学习算法

文章提出了一种基于遗传算法的按“位”加权双向联想记忆神经网络（ＢＡＭ）的学习算法。根据判定ＢＡＭ网络稳定模式和容错能力的充分条件,推出了求取按位加权ＢＡＭ加权系数的优化目标函数,之后作者给出了求解此目标函数的遗传算法,二值图象模式存储、联想记忆的计算机实验结果表明,文中所提出的方法能有效地提高网络的存储能力和容错能力。     

一种新的双向联想记忆神经网络学习算法

文章提出了一种基于遗传算法的按`位'加权双向联想记忆神经网络(BAM)的学习算法.根据判定BAM网络稳定模式和容错能力的充分条件,推出了求取按位加权BAM加权系数的优化目标函数,之后作者给出了求解此目标函数的遗传算法.二值图象模式存储、联想记忆的计算机实验结果表明,文中所提出的方法能有效地提高网络的存储能力和容错能力.     

不确定双向联想记忆神经网络的稳定性分析

对双向联想记忆神经网络研究了平衡点的鲁棒稳定性.该网络的参数不确定,并且有时变时滞.当神经网络的激励函数满足Lipschitz连续性条件时,通过选取合适的Lyapunov-Krasovskii函数,建立了两个全局鲁棒稳定判据.由于这些判据考虑了神经元激励作用和抑制作用对网络的影响,他们和时变时滞的数值无关,并且易于使用内点算法进行检验.在注释中和已有的结果进行了对比.两个数值例子展示了所得结果的有效性.     

多重改进型指数双向联想记忆模型及其在多证据推理中的决策性能

提出了多证据推理中采用神经网络来模拟信念组合学习方法。网络由多个改进型指数双向联想记忆模型（IeBAM）构成,并且共享一个输出来同时进行多证据不确定性的管理。文中证明了多重IeBAM(Multi-IeBAM）的稳定性,讨论了在多条证据同时提交网络后的多数规则。理论和实验都证明了多数因子比Wang所提模型更紧凑、更严格,从而可保证在受一定程度的干扰下,专家们仍能做出正确决策。最后所给出的模拟例子的结果与直觉推理相吻合。     

一类随机人口发展系统的指数稳定性

对人口系统的讨论 ,通常的数学模型没有考虑外界环境对系统的影响 .在假设随机的外界环境对迁移产生扰动的条件下 ,给出Hilbert空间中一类随机时变人口发展系统 .对随机时变人口发展系统的均方稳定性和指数稳定性进行了讨论 .利用Burkholder_Davis_Gundy不等式 ,Gronwall引理和Kolmogorov不等式得到了均方稳定和指数稳定的充分条件 .最后提出如果生育率选作控制变量 ,系统仍然是均方和指数稳定的 ,并可进一步讨论它的最优控制问题     

Global exponential stability analysis of delayed Cohen--Grossberg neural networks with distributed delays

In this article, the global exponential stability problem of Cohen--Grossberg neural networks with both discrete-time delays and distributed delays is investigated. The existence and global stability for the unique equilibrium of the Cohen--Grossberg neural networks with distributed delays are achieved by using some new Lyapunov functionals, M-matrix theory and some analytic techniques, and some less restrictive conditions are obtained. An example is also worked out to validate the advantages of our results.     

带有时滞的随机区间Hopfield神经网络的指数稳定性

讨论了带有可变时滞的随机区间Hopfield神经网络的指数稳定性, 利用It^o公式和Lyapunov函数, 得到了几个关于其指数稳定时滞无关和时滞相关的充分性条件, 推广了现有文献中关于定常时滞随机神经网络及其确定形式的许多结果.     

时滞Hopfield神经网络的随机稳定性分析

T-S模型提供了一种通过模糊集和模糊推理将复杂的非线性系统表示为线性子模型的方法。研究了时滞Hopfield神经网络的随机稳定性（SFVDHNNs）。首先描述了SFVDHNNs模型,然后用Lyapunov方法研究了SFVDHNNs全局均方指数稳定性,通过可以被一些标准的数值分析方法求解的线性矩阵不等式（LMIs）得出了稳定性标准。     

Novel criteria for global robust exponential stability of neural networks with time-varying delays via LMI approach

The article addresses the problem of global robust exponential stability of interval neural networks with time-varying delays. On the basis of linear matrix inequality technique and M-matrix theory, some novel sufficient conditions for the existence, uniqueness, and global robust exponential stability of the equilibrium point for delayed interval neural networks are presented. It is shown that our results improve and generalize some previously published ones. Some numerical examples and simulations are given to show the effectiveness of the obtained results.     

Almost sure exponential stability of neutral stochastic delayed cellular neural networks

In this paper, almost sure exponential stability of neutral delayed cellular neural networks which are in the noised environment is studied by decomposing the state space to sub-regions in view of the saturation linearity of output functions of neurons of the cellular neural networks. Some algebraic criteria are obtained and easily verified. Some examples are given to illustrate the correctness of the results obtained.     

Almost sure exponential stability of neutral stochastic delayed cellular neural networks

In this paper, almost sure exponential stability of neutral delayed cellular neural networks which are in the noised environment is studied by decomposing the state space to sub-regions in view of the saturation linearity of output functions of neurons of the cellular neural networks. Some algebraic criteria are obtained and easily verified. Some examples are given to illustrate the correctness of the results obtained.     

一类基于微分方程模型具有连续分布延迟神经网络的稳定性分析

考虑一类基于微分方程具有连续分布延迟的神经网络模型。利用Lozinskii方法的性质和微分不等式方法,获得了这类具有连续分布延迟的神经网络的渐近稳定的一些充分条件,结果去掉了对激励函数有界性的要求。     

Global stability of bidirectional associative memory neural networks with continuously distributed delays

Global asymptotic stability of the equilibrium point of bidirectional associative memory (BAM) neural networks with continuously distributed delays is studied. Under two mild assumptions on the activation functions, two sufficient conditions ensuring global stability of such networks are derived by utilizing Lyapunov functional and some inequality analysis technique. The results here extend some previous results. A numerical example is given showing the validity of our method.     

随机混沌时滞神经网络的指数同步

研究受随机扰动且具有时变时滞神经网络的指数同步. 根据Lyapunov稳定性理论结合线性矩阵不等式技巧, 通过构造含时滞的状态反馈控制器, 使得受到随机扰动的驱动系统和响应系统达到指数同步, 给出了随机时滞神经网络指数同步的新判据, 最后通过仿真验证了所用方法的有效性.