基于憶阻的神經網絡的動力學分析及應用.pdf_第1頁
已閱讀1頁,還剩162頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、自2008年惠普公司的研究人員首次成功研制出基于TiO2的憶阻器物理器件以后,人們掀起了對憶阻器以及憶阻器神經網絡的研究熱潮。特別的,依靠超大規(guī)模集成電路構造出的憶阻神經網絡逐漸成為人們研究的焦點。此外,由于憶阻器本身的高存儲量、小體積以及非易失性使其展現出其廣泛的應用前景。本文考慮了基于憶阻的神經網絡的動力學行為,并討論了它在交通路網中的應用。全文共七章,第二章討論具有概率時變延時的憶阻網絡模型的無源性行為。第三章考慮了憶阻神經網絡的

2、準同步和同步控制問題。第四章研究了憶阻神經網絡的有限時間和固定時間鎮(zhèn)定問題。第五章分析了憶阻神經網絡的狀態(tài)估計問題。第六章為離散時間神經網絡的穩(wěn)定性以及高速路網的全局魯棒指數穩(wěn)定性問題。具體工作如下:
  第二章研究了具有概率時變延時的憶阻網絡模型的無源性行為,在合理的假設條件下,借助Lyapunov函數和線性矩陣不等式技巧給出了保證憶阻網絡無源的充分性條件。其中,考慮到網絡的每個權重都在兩個不同的常量值之間轉換,因此,我們將網絡

3、系數所有有可能的形式的組合個數22n2依次排列。這種處理方式充分考慮了憶阻網絡的切換特性,使得本文所得結果更具一般性,此外,這些判據中包含更多的參變量,這也顯示出了文章所得結論的靈活性和優(yōu)越性。
  第三章考慮了憶阻神經網絡的準同步和同步控制問題。首次,通過設計恰當的控制策略,在矩陣測度的基礎上,給出了保證目標神經網絡準同步的代數判據。其次,研究了憶阻神經網絡的同步控制問題,基于不連續(xù)的控制法則,并構造適當的Lyapunov函數,

4、以線性矩陣不等式的形式得出了驅動-響應系統(tǒng)同步的充分性判據。值得注意的是,與第二章結論不同,我們采用魯棒分析方法來處理所給出的憶阻網絡模型,也即,通過可測函數的選取,將目標網絡轉化為具有不確定參數的魯棒系統(tǒng),進而通過魯棒分析技巧來相應的研究憶阻網絡的相關動力學行為,這種方法也為憶阻神經網絡的處理帶來的新的突破。
  第四章通過Lyapunov函數方法以及不連續(xù)的控制技巧,探討了憶阻神經網絡的有限時間和固定時間鎮(zhèn)定問題。值得注意的是

5、,有限時間的鎮(zhèn)定性結論依賴于狀態(tài)的初始時刻,而固定時間鎮(zhèn)定的結論則與系統(tǒng)的初始時刻無關,因此,為了更好的區(qū)分和比較這兩種鎮(zhèn)定問題,也為了更好的提高所得結論的實用性,我們將以代數不等式的形式給出保證系統(tǒng)鎮(zhèn)定的判據。此外,為了使設計的控制器能夠更快的得到響應,可以通過簡單的計算得出系統(tǒng)達到穩(wěn)定狀態(tài)所需要的停息時間的上界。
  第五章分析了憶阻神經網絡的狀態(tài)估計問題。通過采用李雅普諾夫函數、矩陣分析技術以及設計恰當的非脆弱狀態(tài)估計器,給

6、出了保證估計誤差系統(tǒng)漸近穩(wěn)定的充分條件。值得注意的是,首先研究連續(xù)時間的網絡模型的狀態(tài)估計問題,進而將其推廣至離散時間的情形。因此,本章的結果可看做是對現有結論的延拓。
  第六章研究了離散時間神經網絡的穩(wěn)定性及其在高速路網上的應用。首先探討了一類帶有不確定參數的離散時間的神經網絡的穩(wěn)定性問題,然后將所得結論運用到一類特殊的不確定離散網絡,即高速路網中,利用高速路網每個元胞之間車流量的遞推關系以及高速路網平衡點的定義,討論高速路網

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論