一類混合時滯隨機靜態(tài)神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析及SOFM神經(jīng)網(wǎng)絡(luò)的應(yīng)用.pdf

1、人工神經(jīng)網(wǎng)絡(luò)是一種非線性信息處理系統(tǒng),在組合優(yōu)化、金融預(yù)測、模式識別、圖像處理、自動控制、人工智能、信號處理等領(lǐng)域有著廣泛的應(yīng)用,目前來看有很大的研究價值和發(fā)展?jié)摿?目前,在有關(guān)人工神經(jīng)網(wǎng)絡(luò)的各項研究中,通過選取不同的變量,遞歸神經(jīng)網(wǎng)絡(luò)模型可以被分為兩類:其中一類是局域遞歸神經(jīng)網(wǎng)絡(luò)模型,該模型所研究的變量為神經(jīng)元的內(nèi)部狀態(tài);另一類是靜態(tài)遞歸神經(jīng)網(wǎng)絡(luò)模型,該模型所研究的變量為神經(jīng)元的外部狀態(tài).目前,很多學(xué)者已經(jīng)對局域神經(jīng)網(wǎng)絡(luò)進行了有關(guān)研究

2、,如變時滯、分布時滯及 S-分布時滯局域神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性研究,但是對靜態(tài)神經(jīng)網(wǎng)絡(luò)的相關(guān)研究相對較少,對隨機靜態(tài)神經(jīng)網(wǎng)絡(luò)的研究更少.
　　另外,自組織特征映射(SOFM)是由芬蘭T.Kohonen教授(Helsink大學(xué))于1981年建立的. Kohonen教授認為,當一個神經(jīng)網(wǎng)絡(luò)接受到外界的輸入信號時,將會自組織的分為不同的區(qū)域,各區(qū)域與不同輸入模式相對應(yīng)且對不同輸入信號的響應(yīng)特征各不相同.根據(jù)上述觀點,自組織特征映射(SOFM)

3、被Kohonen教授提出,其特點類似于人類大腦的自組織特性.然而,原有SOFM神經(jīng)網(wǎng)絡(luò)在處理某些實際問題時結(jié)果不盡人意,如收斂速度不夠快、結(jié)果不夠精確等,所以在原有網(wǎng)絡(luò)基礎(chǔ)上根據(jù)實際應(yīng)用的需要建立改進的新的SOFM神經(jīng)網(wǎng)絡(luò)是非常有必要的.
　　本文將在前人的基礎(chǔ)上討論一類混合時滯隨機靜態(tài)神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性,并且在改進SOFM網(wǎng)絡(luò)算法的基礎(chǔ)上對其進行實際應(yīng)用.主要內(nèi)容如下:
　　首先介紹了文章的研究背景以及預(yù)備知識;進而,利用L