浅析模糊神经网络稳定性及其应用.pdfVIP

浅析模糊神经网络稳定性及其应用 关键词：模糊神经网络 稳定性 脉冲 反应扩散 控制器 第一章 绪 论 1.1 神经网络概况 尽管这期间人们的兴趣和可用的资金并不多，但是一些学者仍然致力于 研究神经网络来解决诸如模式识别等问题。在这期间 Anderson 和 Kohonen 提出相互关联技术。Klopf 在 1972 年提出了一种被称为 heterostatasis 原则的学习方法来促使神经元之间的相互学习。1974 年 Werbos 建立并使用了反向传播学习方法，但是几年后这项方法才 被广泛使用。在今天，反向传播网络可能是最广为人知的，并且广泛应 用与神经网络的学习方法。在本质上，反向传播网络是一个多层感知机， 具有更强大的学习能力。Amari 参与了这个理论的发展，他发表了一篇 论文，在这篇论文里，他建立了一个学习规则的数学模型，可以更正错 误，自适应处理特征分类。同时在 1975 年，Fukushima 提出了一个 可以逐步训练的多层神经网络来解释手写字符，这个系统被称为认知 机。 1.2 模糊系统概述 人们对于很多事物刚开始的认识，通常都是模糊的，而模糊性，就是指 存在现实中的不确定的现象，例如“好”和“不好”，“健康”和“不健康”之类 分界线很模糊的概念。所以将模糊的概念引进控制领域有着非常重要的 意义。模糊控制就是讲模糊逻辑的思想应用于控制系统。它的主要特点 是用一系列以“IF （条件）THEN （作用）”表现形式的控制规则来表示对 特定的被控制对象的控制策略，并且将其应用到被控目标上。图 1-1是 模糊逻辑框图。 ………………… 第二章 模糊时滞神经网络的稳定性分析 2.1 引言 在神经网络的研究过程中，人们发现在信息的传输过程中，时延现象是 很频繁的发生的。在神经网络电路设计和运行的过程中，因为神经元和 放大器有限的转换速度以及硬件运行过程中信号的传输，所以在神经元 的通信和回应过程中，延时现象是经常存在的。因此需要在信号通过网 络传送时引入时延的概念。此外，由于轴突各种尺寸和长度的平行路径 的存在使得神经网络具有空间的特性，期望通过引进分布延时使他的状 态跟近期的状态相比有更小的影响。考虑到时延的重要性，在过去一段 时间中，很多学者对于时延神经网络的稳定性问题进行研究[4-20]。在 文献[5]中，Cao 等学者基于 Lyapunov 稳定性理论和一些不等式矩阵 的特性，建立了满足时延细胞神经网络的平衡点稳定性的判定定理，该 条件受到反馈矩阵的限制并且不依赖于时延变量。文献[7]讨论了带离散 延时和分布式延时的随机 Cohen-Grossberg 神经网络的稳定性。Li 等 学者通过使用不等式分析方法和微积分技术，给出了两个该模型全局鲁 棒指数稳定性的判定定理，该条件是与时延相关的。接着在文献[12]中 研究了一类带莱布尼兹连续激活函数的时延递归神经网络的稳定性。根 据 Lyapunov 函数，提出了一个确保该系统的平衡点的稳定的判定定 理，该条件具有更好的保守性能。Liu 和 Wang 在文献[15]中研究了 一类带混合时延的递归神经网络的全局指数稳定性。 2.2 模型描述和相关理论 作者已经基于一般 Lyapunov 函数找到了确保系统全局稳定的判定定 理。但是，很多非线性复杂模糊系统无法利用一般 Lyapunov 函数来 得到他们的稳定性判定定理。在本章中，我们将利用分段 Lyapunov 理 论来得到满足系统全局指数稳定性的判定准则。 此外，通过仿真可以很容易的证明推论 2-1 中的线性矩阵不等式是没 有可行解的。这意味着，这个数值仿真例子不存在一个共同的 Lyapunov-Krasovskii 泛函但是有分段 Lyapunov-Krasovskii 泛函，因 此这表明了本章提出的基于分段 Lyapunov-Krasovskii 泛函的稳定性 理论要比在文献中的共同 Lyapunov-Krasovskii 泛函的稳定性理论更 加的有效。 …………………… 第三章 具有脉冲和反应扩散21 3.1 引言 21 3.2 系统描述和相关22 3.3 稳定性研究 26 3.4 数值仿真 33 3.5 结论 35 第四章 具有脉冲影响的离散模37 4.1 引言 37 4.2 系统描述和相关知识38 4.3 稳定性研究 40 4.4 数值仿真 50 4.5 结论 53 第五章 模糊神经网络控制器的54 5.1 引言 54 5.2 系统描述和问题54 5.3 主要结果 56 第五章 模糊神经网络控制器的设计 5.1 引言 在实际的