變時(shí)滯人工神經(jīng)網(wǎng)絡(luò)周期解與概周期解的研究.pdf

1、人工神經(jīng)網(wǎng)絡(luò)是目前國(guó)內(nèi)外關(guān)注的一個(gè)十分活躍的研究領(lǐng)域，它在智能控制，模式識(shí)別，圖像處理，非線性優(yōu)化計(jì)算，傳感技術(shù)，機(jī)器人等眾多領(lǐng)域都有廣泛的應(yīng)用。在實(shí)際應(yīng)用中，人們通過(guò)電子電路來(lái)實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)的功能，由于受認(rèn)知因素以及神經(jīng)元放大器有限轉(zhuǎn)化速度和技術(shù)水平等客觀因素的影響，時(shí)滯現(xiàn)象不可避免的。時(shí)滯不但會(huì)降低網(wǎng)絡(luò)的傳輸速度而且常常會(huì)導(dǎo)致網(wǎng)絡(luò)的不穩(wěn)定，所以研究時(shí)滯神經(jīng)網(wǎng)絡(luò)是必要的且十分有意義。 根據(jù)系統(tǒng)基本變量選取的不同，遞歸神經(jīng)網(wǎng)絡(luò)的數(shù)

2、學(xué)模型可分為靜態(tài)神經(jīng)網(wǎng)絡(luò)和局域神經(jīng)網(wǎng)絡(luò)模型。靜態(tài)神經(jīng)網(wǎng)絡(luò)模型，它將神經(jīng)元的外部狀態(tài)作為變量研究，在某些遞歸神經(jīng)網(wǎng)絡(luò)中有廣泛的應(yīng)用，例如REBPNs網(wǎng)(Recurrentback-propagationnetwork)，CNNs網(wǎng)(Cellularneuralnetworks)，BSBTNs網(wǎng)(Brain-state-in-a-boxtypenetworks)等?，F(xiàn)在關(guān)于遞歸神經(jīng)網(wǎng)絡(luò)的研究大多集中于局域神經(jīng)網(wǎng)絡(luò)模型，靜態(tài)神經(jīng)網(wǎng)絡(luò)模型的動(dòng)力

3、性質(zhì)還未被深入研究。 目前關(guān)于時(shí)滯靜態(tài)神經(jīng)網(wǎng)絡(luò)周期解與概周期解的研究，絕大多數(shù)局限于研究常時(shí)滯情況，對(duì)于變時(shí)滯神經(jīng)網(wǎng)絡(luò)系統(tǒng)的研究相對(duì)較少。本文主要研究了變時(shí)滯靜態(tài)神經(jīng)網(wǎng)絡(luò)的概周期解與周期解存在性問(wèn)題。 本文的安排如下： 第一章概述，簡(jiǎn)單介紹了人工神經(jīng)網(wǎng)絡(luò)概念以及本文需要的定義和定理； 第二章的內(nèi)容研究了一類變時(shí)滯靜態(tài)遞歸神經(jīng)網(wǎng)絡(luò)的概周期解與全局漸近穩(wěn)定性，給出了概周期解存在的充分條件。 第三章的內(nèi)