时滞Cohen-Grossberg型神经网络动力学行为的分析.docVIP

内 容 摘 要 对非线性系统的研究成为近几十年来国内外学者特别关注的重要课题，而神经网 络作为非线性系统的一种类型又加之它自身具有良好的性能则更备受关注, 目前它 已经被成功的应用在模式识别、图像处理、人工智能等领域. 而 Cohen-Grossberg 神 经网络作为后起之秀则有着自身更为独特的优越性，它不仅与生物网络紧密相连，同 时也能在实际应用中较好的解决系统中存在的非线性和不确定问题，因此对这类 Cohen-Grossberg 型神经网络特性的研究与分析也就逐步成为人们一直以来都关注的 焦点和热点之一. 本文将以一类时滞 Cohen-Grossberg 型神经网络为研究基础, 根据实际应用的需 要, 并借助于经典的 Lyapunov 理论、线性矩阵不等式工具和鲁棒自适应控制方法就 该类网络模型的 Lagrange 稳定性、有限时间有界性和鲁棒指数收敛性问题展开研究 和讨论. 从而将人们一直以来都倾向于神经网络的稳定性研究推广至更为宽阔的动 力学行为研究领域内. 本文主要内容如下: 第一章概述了神经网络的发展历史和目前对神经网络的研究现状以及本论文将 要进行工作的三个不同层面的研究近况和作本论文的意义, 并给出论文大纲. 第二章研究了具有非自治变时滞的 Cohen-Grossberg 神经网络的 Lagrange 稳定性 和全局指数吸引集的问题. 在不考虑该网络模型平衡点数目的前提下, 分别针对两种 不同类型的激活函数并同过一个新的引理和构造恰当的 Lyapunov 泛函得到了此网络 模型在 Lagrange 意义下全局指数稳定的充分性判据并得出了相应存在的全局指数吸 引集. 最后，通过一个实例对所得结论进行验证. 本章结论推广了一般稳定性的结果. 第三章主要研究了不确定多时滞的 Cohen-Grossberg 网络的有限时间有界性问题. 依据线性矩阵不等式的理论方法并在拓展有限时间有界概念到该系统的基础上通过 恰当构造 Lyapunov 泛函得到了保证该网络有限时间有界的充分条件, 并给出了选取 参数的算法分析步骤, 最后给出了计算机数值仿真. 第四章研究了不确定混合时变时滞 Cohen-Grossberg 网络的鲁棒指数收敛性的问 题. 在无需考虑网络平衡点存在并唯一的同时, 通过引用一个新的引理并对不确定项 加以限制再构造恰当的 Lyapunov 泛函得到了使得该系统的状态变量能够全局一致指 数收敛到空间里的一个球邻域内的时滞无关的充分性判据. 最后, 通过仿真举例对所 得结果加以验证. 关键词：神经网络 Lagrange 稳定 全局指数吸引集 有限时间有界 鲁棒指数收 敛 II Abstract In recent decades, the research for nonlinear systems is becoming an important subject which internal and oversea scholars are very concerned on. As one kind of nonlinear systems, neural network has also attracted much attention because it has good performance. At present, it has been applied in some fields successfully, such as pattern recognition, image processing, and artificial intelligence, etc. Cohen-Grossberg neural network, as an up-and-coming youngster, has own particular superiority. It not only links with biological network closely, but also settles the nonlinearity and uncertainties problem that exist among the systems in practical application. So, the research and analysis of characteristic for a class of Cohen-Grossberg type neural network has also gradually become highlight in those fields that people are a