中立型时滞神经网络的稳定性分析
【摘要】:本文主要研究中立型时滞神经网络的稳定性问题。近年来,时滞神经网络已经在联想记忆、图像处理、优化计算等方面取得了广泛的应用。随着电子技术的发展,人们发现有时不仅需要考虑过去状态对现在的影响,还要特别考虑过去状态的变化对现在状态的影响,这就是中立型时滞。众所周知,这类时滞的存在会造成系统不稳定或性能变差。研究中立型时滞神经网络的稳定性问题具有重要的理论意义和应用价值。本文通过构造Lyapunov-Krasovskii泛函.采用积分不等式估计它的导数,研究了中立型神经网络的全局渐近稳定性和指数稳定性问题,给出了平衡点的全局渐近稳定和指数稳定条件。
论文按照以下结构组织:
第一章介绍了本课题的国内外研究状况,阐明了本课题研究的理论意义和应用价值,概括了本文的主要工作。
第二章介绍论文所用到的基础知识,包括神经网络及其稳定性概念、研究神经网络稳定性所需要的引理和重要不等式等。
第三章分析了常时滞中立型神经网络的全局渐近稳定性。基于把时滞h平分为N段,构造新的Lyapunov-Krasovskii泛函,将李亚普诺夫稳定性理论和线性矩阵不等式技术相结合,得到了新的稳定性判据。该判据可利用标准的MatlabLMI工具箱来验证。仿真实例表明,本文所获得的结果较已有文献具有较小的保守性。
第四章研究了变时滞中立型神经网络的全局渐近稳定性问题,其中离散时滞h(t)和中立型时滞都是时变函数。把时变时滞h(t)的上界h分割而建立新的Lyapunov-Krasovskii泛函,采用李亚普诺夫函数方法得到了这类神经网络的渐近稳定性条件。仿真实例表明,该条件具有较小的保守性。
第五章研究了带分布时滞的中立型神经网络的全局指数稳定性问题。运用前两章构造Lyapunov-Krasovskii泛函的思想,采用新技术对Lyapunov-Krasovskii泛函导数中积分交叉项进行处理,得到了该神经网络的指数稳定性结果。
第六章总结了全文,并提出了神经网络的研究展望。
|
|
|
|
1 |
季策,张化光,王占山;具有不对称结构的广义时滞神经网络的动态分析[J];控制与决策;2004年12期 |
2 |
谌新年;刘国荣;;高阶时滞神经网络模型的全局指数稳定性[J];湖南大学学报(自然科学版);2007年06期 |
3 |
王娜;杨振宇;;脉冲时滞神经网络的稳定性分析[J];吉林工程技术师范学院学报;2009年01期 |
4 |
邵晋梁;黄廷祝;;变时滞神经网络鲁棒稳定的一个新判据[J];电子科技大学学报;2010年04期 |
5 |
廖晓峰,李学明,吴开贵;时滞神经网络稳定性、分岔与混沌的研究进展[J];重庆大学学报(自然科学版);2003年07期 |
6 |
余昭旭,吴惕华;一类时滞神经网络系统的指数稳定性[J];控制理论与应用;2005年02期 |
7 |
张海涛;王婷;费树岷;李涛;;具有混杂耦合的耦合时滞神经网络同步的进一步分析(英文)[J];Journal of Southeast University(English Edition);2010年03期 |
8 |
孟益民,黄立宏,刘开宇;二元双阈值时滞神经网络模型解的渐近性[J];应用数学学报;2003年01期 |
9 |
王占山,张化光;多时变时滞神经网络的全局指数稳定[J];吉林大学学报(工学版);2005年06期 |
10 |
赵阳;;基于时滞网络的ANN系统辨识方法研究[J];陕西国防工业职业技术学院学报;2009年04期 |
11 |
罗琦;邓飞其;包俊东;;随机分布参数型Hopfield时滞神经网络的稳定性[J];数学物理学报;2006年06期 |
12 |
朱文莉,张杰;变系数时滞神经网络的周期解与稳定性[J];电子科技大学学报;2005年01期 |
13 |
向红军,王金华;多时滞神经网络关于滞量上界的一个估计[J];河南师范大学学报(自然科学版);2005年04期 |
14 |
赵阳;;基于时滞网络的ANN系统辨识方法研究[J];科技创业月刊;2009年09期 |
15 |
张栋;徐鉴;;超混沌时滞神经网络的同步及其仿真[J];系统仿真学报;2010年03期 |
16 |
王慧;李传东;;脉冲对时滞细胞神经网络的镇定影响[J];重庆大学学报;2008年09期 |
17 |
周冬明,李泰良;时滞神经网络模型全局渐近稳定性的一个新的充分条件[J];云南大学学报(自然科学版);1998年01期 |
18 |
陈万义;关于时滞神经网络的全局渐近稳定性[J];南开大学学报(自然科学版);1999年04期 |
19 |
曹进德,林怡平;一类时滞神经网络模型的稳定性[J];应用数学和力学;1999年08期 |
20 |
邱亚林;一类时滞神经网络模型的稳定性[J];四川师范大学学报(自然科学版);2000年01期 |
|