摘 要: | 针对静态人工神经网络具有在反映系统动态行为时网络结构复杂、不能很好地反映系统动态性能的缺点,提出一种由带有积分器和可调反馈系数的神经元构成的新型动力学神经网络模型。该网络比以前的动态网络即递归网络或在此基础上改进的网络能更好地反映系统的动态性能,网络的结构更加简单,训练过程加快,从而使系统能够更好的运行。利用梯度下降法研究了该网络的权值调整算法,并通过李雅普诺夫稳定性判据讨论了这种新型动力学神经网络的稳定性条件。该网络研究为反映系统的动力学行为提供了更好的模型结构和理论算法,为神经网络的发展提供了新的研究方向。
|