版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、人類的大腦是一個(gè)十分復(fù)雜的系統(tǒng),它具有組織神經(jīng)元進(jìn)行信息處理的能力,并以比數(shù)字計(jì)算機(jī)更快地速度對(duì)信息進(jìn)行并行以及非線性的處理。一直以來(lái),建立具有人類智慧的機(jī)器或自主機(jī)制都是科學(xué)和工程應(yīng)用各界研究人員的一個(gè)夢(mèng)想。因而,在50多年前,人工神經(jīng)網(wǎng)絡(luò),通常被稱為神經(jīng)網(wǎng)絡(luò),這一概念一經(jīng)提出便引起了廣泛關(guān)注。在谷歌的AlphaGo擊敗世界頂級(jí)圍棋大師后,神經(jīng)網(wǎng)絡(luò)相關(guān)的研究再次引起了學(xué)者們的關(guān)注。神經(jīng)網(wǎng)絡(luò)是機(jī)器學(xué)習(xí)算法中最流行和最強(qiáng)大的一類,在現(xiàn)代科
2、學(xué)的發(fā)展中起著重要的作用。由于神經(jīng)網(wǎng)絡(luò)所采用的主要計(jì)算方式是分布式計(jì)算與并行計(jì)算,因而其在深度學(xué)習(xí)、大數(shù)據(jù)分析、模式識(shí)別以及生物學(xué)等領(lǐng)域得到了大量的應(yīng)用。已經(jīng)有眾多學(xué)者就神經(jīng)網(wǎng)絡(luò)的各個(gè)方面進(jìn)行了詳細(xì)的研究,作為神經(jīng)網(wǎng)絡(luò)理論的研究基礎(chǔ),關(guān)于神經(jīng)網(wǎng)絡(luò)的動(dòng)力學(xué)特性分析也是眾多學(xué)者研究的熱點(diǎn)。另外,復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)將復(fù)數(shù)引入到了狀態(tài)變量、連接權(quán)矩陣以及激活函數(shù),這大大地拓展了神經(jīng)網(wǎng)絡(luò)的研究范圍。由于復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)可以直接處理復(fù)數(shù)信號(hào),所以它能夠解決許
3、多在實(shí)數(shù)域中無(wú)法處理的問(wèn)題。再者,從已有的研究中我們可以知道,與實(shí)數(shù)神經(jīng)網(wǎng)絡(luò)相比,復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)處理數(shù)據(jù)的速度更快,效率更高。這是因?yàn)樗軌蛑苯訉?duì)復(fù)數(shù)信號(hào)進(jìn)行加工處理,這一特點(diǎn)在信號(hào)處理領(lǐng)域顯得尤其關(guān)鍵。因而,復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)的動(dòng)力學(xué)行為非常值得進(jìn)一步的探索。
目前,關(guān)于神經(jīng)網(wǎng)絡(luò)的大多數(shù)研究工作都討論了神經(jīng)網(wǎng)絡(luò)的動(dòng)力學(xué)特性。它們一般都是通過(guò)構(gòu)造合適的Lyapunov函數(shù),然后,利用不等式技巧對(duì)神經(jīng)網(wǎng)絡(luò)的動(dòng)力學(xué)特性進(jìn)行分析。然而,構(gòu)造
4、與對(duì)應(yīng)系統(tǒng)相匹配的Lyapunov函數(shù)非常困難。并且,線性矩陣不等式(LMI)的運(yùn)算過(guò)程也相當(dāng)繁瑣。因此,本論文將不采用Lyapunov函數(shù)與線性矩陣不等式的方法,而是通過(guò)結(jié)合微分不等式與復(fù)數(shù)共軛性質(zhì)來(lái)討論復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)的動(dòng)力學(xué)行為。
通常情況下,微分系統(tǒng)的動(dòng)力學(xué)行為分析及應(yīng)用主要依賴于平衡點(diǎn)處的穩(wěn)定性研究或平衡點(diǎn)存在的區(qū)域,即吸引集與不變集。因此,本論文重點(diǎn)研究了帶時(shí)延的自治復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)平衡點(diǎn)的指數(shù)穩(wěn)定與帶時(shí)延非自治復(fù)數(shù)神經(jīng)網(wǎng)
5、絡(luò)的全局吸引集與正不變集。
結(jié)合上述討論,本論文對(duì)以下兩點(diǎn)進(jìn)行了研究并取得了相應(yīng)的成果:
?。?)研究了一類時(shí)延自治復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)系統(tǒng),并且分析了該系統(tǒng)平衡點(diǎn)處的指數(shù)穩(wěn)定性。在不將激活函數(shù)實(shí)數(shù)與虛數(shù)部分分離為兩個(gè)獨(dú)立的部分的條件下,運(yùn)用復(fù)數(shù)共軛性質(zhì)和已有的微分不等式,并結(jié)合M矩陣的特性,得到了時(shí)延復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)平衡點(diǎn)處指數(shù)穩(wěn)定的充分條件,最后使用了數(shù)值仿真對(duì)該充分條件的有效正確性進(jìn)行了驗(yàn)證。
?。?)針對(duì)時(shí)延非自治
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 帶時(shí)滯的非自治復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)有界性與全局吸引集研究.pdf
- 幾類時(shí)滯系統(tǒng)的正不變集和吸引集.pdf
- 17627.兩類模糊神經(jīng)網(wǎng)絡(luò)的指數(shù)吸引集研究
- Lorenz系統(tǒng)族的全局吸引集和正向不變集的研究及其應(yīng)用.pdf
- 基于憶阻的BAM神經(jīng)網(wǎng)絡(luò)的Lagrange穩(wěn)定性和不變集研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的時(shí)延水溫控制.pdf
- 726.帶有脈沖和隨機(jī)擾動(dòng)的神經(jīng)網(wǎng)絡(luò)的狀態(tài)估計(jì)和不變集研究
- 基于粗糙集的粒度神經(jīng)網(wǎng)絡(luò)研究.pdf
- 基于Rough集的神經(jīng)網(wǎng)絡(luò)分類器.pdf
- 基于粗集和神經(jīng)網(wǎng)絡(luò)的銷售預(yù)測(cè)研究.pdf
- 基于粗糙集與神經(jīng)網(wǎng)絡(luò)的調(diào)制信號(hào)識(shí)別研究.pdf
- Lorenz混沌系統(tǒng)族的全局吸引及正向不變集的研究.pdf
- 基于粗糙集與神經(jīng)網(wǎng)絡(luò)的建筑安全預(yù)測(cè)研究.pdf
- 基于粗糙集與神經(jīng)網(wǎng)絡(luò)的分類規(guī)則挖掘策略研究.pdf
- 基于粗糙集和神經(jīng)網(wǎng)絡(luò)的客戶行為研究.pdf
- 復(fù)數(shù)值神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法的研究與應(yīng)用.pdf
- 基于粗糙集-神經(jīng)網(wǎng)絡(luò)的客戶價(jià)值分類研究.pdf
- 基于粗糙集的粒計(jì)算與神經(jīng)網(wǎng)絡(luò)的融合研究.pdf
- 基于泰勒級(jí)數(shù)實(shí)現(xiàn)的新型神經(jīng)網(wǎng)絡(luò)集的研究.pdf
- 精確解與不變集.pdf
評(píng)論
0/150
提交評(píng)論