随机神经网络论文T-S模糊系统Lyapunov函数线性矩阵不等式全局稳定.docVIP

随机神经网络论文：T-S模糊系统Lyapunov函数线性矩阵不等式全局稳定 【提示】本文仅提供摘要、关键词、篇名、目录等题录内容。为中国学术资源库知识代理，不涉版权。作者如有疑义，请联系版权单位或学校。 【摘要】神经网络系统在信号处理、模式识别、自动控制、组合优化等很多领域上都有广泛应用。稳定是系统能够正常运行的前提，然而变时滞性、参数不确定性以及随机干扰现象普遍存在于神经网络控制中，并且常会改变系统环境，破坏系统的稳定性。基于此，论文以随机神经网络为研究基础，将Takagi-Sugeno T-S 模糊模型对随机神经网络系统建模，讨论了三类随机T-S模糊神经网络的稳定性。主要工作如下：首先，研究了一类具有多离散时滞和分布时滞的随机神经网络的全局渐近稳定性。运用Lyapunov稳定性理论、随机分析理论和MATLAB中的Linear MatrixInequality LIM 工具箱，推出了系统的渐近稳定的判别准则。然后利用模糊规则，考虑同样的随机系统，结合自由权矩阵得到模糊系统渐近稳定的判别准则。通过数值例子论证了结果的有效性。其次，分析讨论了一类具有参数不确定和随机干扰的T-S模糊Hopfield神经网络的鲁棒稳定性问题。通过运用Lyapunov稳定性理论，结合随机分析方法，以线性矩阵不等式的形式，建立了该系统全局鲁棒稳定的判别准则。此准则推广了一些已有文献的结果，具有更小的保守性。数值算例证明了结果的实效性。最后，研究了随机T-S模糊Bi-direetionAssoeiate Memory BAM 型神经网络的鲁棒稳定性。依然考虑不确定随机系统，结合T-S模糊理论，通过构造适当的Lyapunov泛函，利用Khasminski引理，得到双层模糊随机神经网络的全局鲁棒渐近稳定的充分条件。然后实例验证结果有效性。 【关键词】随机神经网络；T-S模糊系统；Lyapunov函数；线性矩阵不等式；全局稳定； 【篇名】随机T-S模糊神经网络的稳定性分析 【目录】随机T-S模糊神经网络的稳定性分析 摘要 5-6 Abstract 6-7 第1章 绪论 10-16 1.1 神经网络简介 10-13 1.2 T-S 模糊神经网络综述及稳定性研究现状 13-14 1.3 论文主要工作 14-16 第2章 预备知识 16-22 2.1 布朗运动与伊藤公式 16-17 2.1.1 布朗 Brown 运动 16 2.1.2 伊藤 Ito ‘s 公式 16-17 2.2 LYAPUNOV 稳定性理论 17-19 2.3 线性矩阵不等式 LIM 技术 19-20 2.4 模糊理论 20-21 2.5 本章小结 21-22 第3章 具有混合时滞的随机 T-S 模糊神经网络的稳定性分析 22-36 3.1 引言 22 3.2 混合时滞随机神经网络的稳定性分析 22-28 3.2.1 系统描述及相关引理 22-23 3.2.2 主要结果 23-27 3.2.3 数值例子 27-28 3.3 混合时滞 T-S 模糊神经网络的稳定性分析 28-35 3.3.1 模型描述 28-29 3.3.2 主要结果 29-34 3.3.3 数值例子 34-35 3.4 本章小结 35-36 第4章 具有混合时滞的随机 T-S 模糊 HOPFIELD 型神经网络的稳定性分析 36-46 4.1 引言 36 4.2 模型描述和预备知识 36-39 4.3 主要结果 39-43 4.4 数值例子 43-45 4.5 本章小结 45-46 第5章 随机 T-S 模糊 BAM 型神经网络的鲁棒稳定性分析 46-56 5.1 引言 46 5.2 系统描述 46-50 5.3 主要结果 50-54 5.4 数值算例 54-55 5.5 本章小结 55-56 结论 56-58 参考文献 58-63 攻读硕士学位期间承担的科研任务与主要成果 63-64 致谢 64-65 作者简介 65