收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

递归神经网络稳定性分析

徐军  
【摘要】: 人工神经网络(以下简称神经网络)是通过对动物或人脑的基本单元-神经元建模和连接,探索模拟动物或人脑神经系统的学习、联想、记忆和模式识别等功能的人工模型。20世纪40年代随着McCulloch-Pitts模型的提出标志着神经网络的诞生,并引起了早期的神经网络研究热潮。此后神经网络的研究却经历了一段低迷的发展时期。直到20世纪80年代,由于Hopfield神经网络的提出,使得神经网络的研究又重新开始复苏。Hopfield神经网络是一种经典的递归神经网络。由于递归神经网络的全互连结构使得该网络表现出极其复杂的动力学行为。而作为一个动力系统所表现出来的各种稳态模式是神经网络系统模拟生物神经系统学习、联想、记忆和模式识别等一系列智能活动的基础。稳定性分析是动力学系统动态分析中的重要内容。 神经网络由于具有极大的理论和应用价值引起了广泛的关注。例如神经网络已经成功地应用于图像与信息处理、模式识别以及联想记忆中。众所周知,以上提及的神经网络的各种工程应用都非常关键地依赖于神经网络的稳定性特性和动态行为。本文将基于Lvapunov稳定性理论,以M-矩阵理论、线性矩阵不等式(LMI)方法以及LaSalle不变集原理等等为主要研究工具,对递归神经网络中的一系列重要问题,如时滞神经网络全局指数稳定性问题,吸引域估计问题以及绝对指数稳定性问题进行研究。具体来说包括如下六章内容: 第一章首先回顾了神经网络的研究历史,并指出本文研究的Hopfield神经网络模型作为一种典型的递归网络在神经网络研究历史上的地位。随后在介绍神经网络的结构的基础上分别介绍了前馈神经网络和递归神经网络,并对这两类网络进行了介绍。最后,用框图对全文的篇章结构进行了总体描述。 第二章介绍了全文的预备知识。这些预备知识包括本文中将要用到的一些定义、定理以及一些不等式。由于Lyapunov稳定性理论是自始至终贯穿全文稳定性分析的一个基本理论,因此在这一部分对Lvapunov稳定性理论做了比较详细的介绍。此外,在这一部分还集中介绍了本文将要研究的几种递归神经网络模型。由于激活函数的特性对于神经网络的性能至关重要,因此在本章的最后把目前文献中常见的激活函数类作了个归纳。本文第三章和第四章中研究的广义递归神经网络的激活函数就属于这些函数类中的一种。 第三章提出了一种新的Lyapunov泛函方法研究变时滞广义递归神经网络的全局指数稳定性。随后又运用该方法分别研究了变时滞神经网络、Hopfield神经网络以及变时滞Hopfield神经网络的全局指数稳定性问题。通过与现有的结果相比较可以看出,现有结果中被广泛采用的M矩阵判据可以看作本章中得出判据的一种特殊情况。此外,与其他类型的判据相比较也可以看出,本章中得出的判据保守性更小。在本章的最后以一个实际的具有两个神经元的神经网络为例展示了本章中主要结论的有效性。 第四章基于Lyapunov-Krasovskii泛函和Lyapunov-Razumikhin函数思想以及LaSalle不变集原理,提出了一种新的广义变时滞递归神经网络的吸引域估计方法。该方法与现有的吸引域估计方法相比最大的两个优势在于,吸引域可以在Matlab中通过求解一个凸优化问题获得,此外该方法可以用来研究具有时滞的神经网络吸引域估计问题。采用的基本思路是在研究系统平衡点的局部指数稳定性的基础上,把稳定性条件和其他的约束转化为LMI形式。随后,通过定义参考集并以参考集的放大倍数为目标函数,以LMI为约束条件构造优化问题,通过在Matlab中求解凸优化问题得到平衡点的吸引域估计。本章最后以一个具有两个神经元的神经网络为例说明本章中提出方法的有效性。 第五章研究了具有广义激活函数的递归神经网络的绝对指数稳定性。该网络激活函数的每一个分量分别属于一对凸或凹的分段线性函数构成的凸包。这种类型的激活函数类与其他类型的激活函数类相比,更加灵活和准确地描述了激活函数的形状。网络平衡点的绝对指数稳定的研究分为三步:第一步证明了具有广义激活函数的递归神经网络和具有凸包顶点激活函数的递归神经网络在全局指数稳定性上的等价性,由于这种等价性接下来的稳定性研究仅仅针对具有凸包顶点激活函数的递归神经网络。第二步把具有凸包顶点激活函数的递归神经网络转换成具有饱和线性激活函数的递归神经网络并建立两者之间在全局指数稳定性上的等价性。第三步运用Lyapunov稳定性定理并结合M矩阵理论研究平衡点的全局指数稳定性。在本章的最后同样通过一个例子来展现和说明本章结论的有效性。 第六章对神经网络稳定性最新的研究进展作了个综述。随后,对接下来的研究作了展望。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 张丽娟;时宝;;一类变时滞Cohen-Grossberg神经网络的全局指数稳定性[J];数学的实践与认识;2008年17期
2 董彪;蒋自国;蒲志林;;变时滞的双向联想记忆神经网络的全局指数稳定性[J];西南民族大学学报(自然科学版);2011年04期
3 董彪;蒲志林;;变时滞的Hopfield网络模型的全局指数稳定性[J];重庆师范大学学报(自然科学版);2009年01期
4 王芬;吴怀宇;;变时滞神经网络的全局指数稳定性[J];控制工程;2009年S2期
5 周冬明;具有变时滞的细胞神经网络的全局指数稳定性[J];云南大学学报(自然科学版);2002年02期
6 周建平;陈红军;王林山;;一类变时滞神经网络的全局指数稳定性[J];控制理论与应用;2007年03期
7 常茹;夏茂辉;李冬梅;王德华;;变时滞神经网络模型的全局指数稳定性[J];佳木斯大学学报(自然科学版);2009年01期
8 徐晓琳;陈立平;王良龙;;变时滞模糊BAM神经网络的全局指数稳定性[J];合肥师范学院学报;2009年06期
9 陈光淦,蒲志林,张健;变时滞Hopfield神经网络模型的全局指数稳定性和全局吸引性[J];工程数学学报;2005年05期
10 贾玉生;林怡平;;变时滞并联限制细胞神经网络的全局稳定性[J];科学技术与工程;2007年01期
11 龙开奋;;具有变时滞脉冲效应的Hopfield神经网络的全局指数稳定性[J];数学的实践与认识;2008年16期
12 刘江;;变时滞细胞神经网络稳定性分析[J];数学的实践与认识;2009年15期
13 罗毅平,邓飞其;变时滞分布参数系统的全局指数稳定性[J];控制理论与应用;2005年04期
14 杨利辉;覃益军;;混合时滞模糊细胞神经网络的指数稳定性研究[J];湖南城市学院学报(自然科学版);2010年03期
15 夏文华;变时滞循环神经网络模型的全局指数稳定性[J];嘉兴学院学报;2005年03期
16 冯伟;吴海霞;张伟;;变时滞随机递归神经网络的全局指数稳定性[J];微电子学与计算机;2009年07期
17 张伟伟;王林山;;一类变时滞静态递归神经网络的全局鲁棒稳定性[J];河北师范大学学报(自然科学版);2010年03期
18 孙建枝;武怀勤;单彩虹;;一类具有变时滞的Hopfield型神经网络的全局指数稳定性[J];计算技术与自动化;2007年03期
19 张安彩;张微微;潘瑞芬;林晓燕;;变时滞高阶Hopfield神经网络的全局指数稳定性[J];南通大学学报(自然科学版);2007年03期
20 胡军浩,赵新泉,田凡;具有变时滞的细胞神经网络的定性分析[J];中南民族大学学报(自然科学版);2002年03期
中国重要会议论文全文数据库 前10条
1 罗琦;张雨田;;一类具反应扩散项的神经网络的Lagrange全局指数稳定性[A];中国自动化学会控制理论专业委员会A卷[C];2011年
2 苏彩红;曾永发;张志飞;吴菁;;一种突触后抑制递归神经网络结构及其在模式识别中的应用[A];第二十六届中国控制会议论文集[C];2007年
3 武新华;张义凤;高晶波;;转子—轴承系统非线性参数辨识研究[A];2003大型发电机组振动和转子动力学学术会议论文集[C];2003年
4 汪灵枝;秦发金;;具有变时滞和脉冲的离散Cohen-Grossberg神经网络的周期解[A];中国自动化学会控制理论专业委员会D卷[C];2011年
5 刘勇;沈毅;胡恒章;;递归神经网络自适应滤波器[A];1998年中国智能自动化学术会议论文集(上册)[C];1998年
6 王继泉;左学胜;;基于递归神经网络的坦克车辆故障诊断系统[A];2006中国控制与决策学术年会论文集[C];2006年
7 夏又生;王钧;;解一类二次凸规划问题的对偶神经网络[A];1999中国控制与决策学术年会论文集[C];1999年
8 张燕;杨鹏;郭欣;张雪萍;颜威利;;基于递归神经网络的下肢表面肌电信号分类研究[A];2005中国控制与决策学术年会论文集(下)[C];2005年
9 李田;张继业;张克跃;;一类关联系统的模约束稳定性分析[A];第十一届全国非线性振动学术会议暨第八届全国非线性动力学和运动稳定性学术会议论文集[C];2007年
10 关治洪;刘永清;;时滞测度型时变脉冲系统的稳定性[A];1995年中国控制会议论文集(上)[C];1995年
中国博士学位论文全文数据库 前10条
1 徐军;递归神经网络稳定性分析[D];浙江大学;2007年
2 赵永昌;一类时滞静态递归神经网络的动力学行为研究[D];中国海洋大学;2010年
3 王芬;递归神经网络的动力学行为分析[D];武汉科技大学;2011年
4 张锐;几类递归神经网络的稳定性及其应用研究[D];东北大学;2010年
5 刘艳青;时滞神经网络模型的稳定性研究[D];天津大学;2005年
6 邱芳;时滞非线性系统的稳定性及其应用研究[D];江南大学;2010年
7 朱进;递归神经网络的稳定性和无源性分析[D];东北大学;2010年
8 罗艳斌;几类T-S模糊系统稳定性分析及控制器设计[D];浙江大学;2007年
9 高海宾;扰动作用下递归神经网络稳定性研究[D];燕山大学;2006年
10 王扬帆;基于偏微分方程的时滞递归神经网络的动力分析与多尺度图像处理研究[D];中国海洋大学;2011年
中国硕士学位论文全文数据库 前10条
1 刘博瑞;两类时滞递归神经网络的全局稳定性分析[D];中国海洋大学;2010年
2 张薇;两类时滞静态递归神经网络的指数稳定性分析[D];中国海洋大学;2012年
3 孙小淇;三类递归神经网络的稳定性分析[D];中国海洋大学;2011年
4 陈君;时滞神经网络的全局稳定性分析[D];江南大学;2008年
5 彭水军;几类具变时滞的神经网络模型的动力学研究[D];湖南大学;2002年
6 李翠波;变时滞静态神经网络模型的动力行为研究[D];中国海洋大学;2007年
7 王宝贤;一类双向联想记忆神经网络的动力学行为研究[D];三峡大学;2008年
8 章国升;基于递归神经网络的非线性系统辨识研究[D];兰州大学;2010年
9 梁巍婧;时滞Hopfield神经网络模型的全局渐近稳定性,全局吸引性,全局指数稳定性[D];四川师范大学;2010年
10 刘延玲;递归神经网络记忆存储器的两个应用[D];天津大学;2012年
中国重要报纸全文数据库 前1条
1 陈小平;后勤训练更应追求质量效益[N];解放军报;2009年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978