神经网络配套Ch17_pres.pptVIP

递归网络 稳定性的类型 吸引槽 Lyapunov稳定性 渐进稳定性 定函数 Lyapunov 稳定性定理 单摆例子 平衡点 Lyapunov函数 (能量) 数据实例 单摆的响应 定义 (Lasalle定理) 定义 Lasalle不变性定理 单摆例子 不变集与吸引子集 更大的G集合 单摆轨迹 评论 17 * 稳定性 渐进稳定 Lyapunov意义下的稳定 不稳定 考虑在重力场中一个带有摩擦消耗的球形轴承: 对某些神经网络(如Hopfield网络)，稳定点代表了存储的原型模 式。我们希望知道一个非线性系统的稳定点在哪里，以及它的 吸引区的情况(即哪些初始条件会收敛到一个给定的稳定点)。 (情况A)： (情况B)： (大的吸引槽) (复杂的吸引区域) t d d a t ( ) g a t ( ) , p t ( ) t , ( ) = 平衡点： 一个平衡点a*是指满足da/dt = 0的点。. 稳定性 (在Lyapunov的意义下)： 原点是一个稳定的平衡点，如果对任意给定的值e 0， 总存在一个数d(e) 0，使得当||a(0)|| d时产生的运动a(t)对于 t 0满足||a(t)| | e。 不失一般性，下面仅讨论a*=0的点，该点被称为原点。. t d d a t ( ) g a t ( ) , p t ( ) t , ( ) = 渐进稳定性： 原点是一个渐进稳定的平衡点，如果存在一个数d 0，使得当||a(0)|| d时，产生的运动a(t)在t? ￥时满足||a(t)|| ? 0。 正定： 一个标量函数V(a)是正定的，如果V(0) = 0并且对于a≠ 0有V(a) 0。 半正定： 一个标量函数V(a)是半正定的，如果对于所有的a有V(a)? 0。 类似可定义标量函数V(a)的负定和半负定。 定理 1: Lyapunov 稳定性定理 如果能够找到一个正定函数V(a)，使得 dV(a)/dt 是半负定的，那么对于上式所示系统，原点(a = 0)是稳定的。 如果能够找到一个正定函数V(a)，使得 dV(a)/dt 是负定的，那么原点(a = 0)是渐进稳定的。 在这两种情况下，V(a)被称为系统的Lyapunov函数。 考虑一个自主(无外力，不明显依赖于时间)系统： m l t 2 2 d d q c t d d q m g q ( ) sin + + 0 = a 2 t d d q = 状态变量形式 考查原点(对应于摆角为0和摆速为0的状态): a = 0 因此原点是个平衡点。 势能 动能 检查Lyapunov函数的导数： 导数是半负定的，这证明原点至少是Lyapunov意义下稳定的。 (正定) a 1 a 2 a 1 a 2 a 1 a 2 Lyapunov 函数 令V(a)是一个从?n到?的连续可微函数。若G是?n的任一子集，称V是系统 da/dt = g(a) 的一个G上的Lyapunov函数，只要 在G上不改变符号。 集合Z Z＝｛a：dV(a)/dt=0，a 在Ｇ的闭包中｝ 不变集 一个?n 中的点集关于 da/dt = g(a) 是不变的，如果 da/dt = g(a) 的每个解都在集合中开始并且始终保持在该集 合中。 集合L L 定义为 Z 中的最大不变集。 定理 2: Lasalle不变性定理 如果V是 da/dt = g(a) 在G上的Lyapunov函数, 那么对于 所有 t??0，当 t???￥ 时，保留在G 中的每个解 a(t) 将趋向于 L°?=?L?è?{￥}。 (G 具有所有的稳定点，是对L的吸引区。) 若所有轨迹都是有界的，则当 t???￥ 时，a(t) ? L。 推论 1: Lasalle定理推论 令G (一个连通的子集)是集合 Wh = {a: V(a) h} 的一部分。假设G是有界的，在G上 dV(a)/dt ? 0，且令集合 L°?=?closure(L???G ) 是G的一个子集。那么L° 是一个吸引子，而G 在它的吸引区内。 G = W100的一部分 a 1 a 2 a 1 a 2 W100 = {a: V(a) ? 100} Z Z={a: dV(a)/dt=0, a 在Ｇ的闭包中} = {a: a2=0, a 在Ｇ的闭包中} G = W300 = {a: V(a) 300} Z = {a: a2 = 0} L° = L = {a: a1 = ±np, a2 = 0} 对于这样选择的G，很难说轨迹将在哪一个点收敛。 希望 G 尽可能地大，因为它指出吸引区的范围。但是，又希望选择V 使得集合Z 尽可能地小，因为其包含吸引子集合。 V = 0 是?n 空间上的一个Lyapunov 函数，但是由于Z = ?n