《神经网络控制.pptVIP

定义4-1 神经网络从任一初始状态 X(0)开始运动，若存在某一有限的时刻 ，从 以后神经网络的状态不再发生变化，即 ，则称网络稳定。处于稳定时刻的网络状态叫稳定状态，又称定点吸引子。 神经动力学系统具有以下一些共性： （1）、非常大的自由度 仿真系统的神经元数限于 。人脑的神经细胞个数 （2）、非线性——非线性是神经东西学系统的主要特征。任何由现行单元组成的神经网络都可以退化成一个等效的单层神经网络。 （3）、消耗性——消耗性指的是随时间的推移系统状态收敛于某一个流形域。 （4）、节点方程——微分方程或者差分方程，不是简单的非线性方程。 动态神经网络的类型： 1、带时滞的多层感知器网络 2、回归神经网络 3、Hopfield网络 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 1、带时滞的多层感知器网络 多层感知器网络 抽头时滞环节 X(k) X(k-1) X(k-n) X(k) y(k) 图4-18 时滞的多层感知器网络 2、回归神经网络 多层感知器网络 抽头时滞环节 X(k) X(k-1) X(k-n) X(k) y(k) 图4-19 带反馈的时滞的多层感知器网络 抽头时滞环节 y(k-m) y(k-2) y(k-1) 1、将时间作为一维信号同时加入到神经网络的输入端实现利用静态网络来逼近动态时滞的时间序列系统。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 3、Hopfield网络 1982年和1984年Hopfield发表了两篇著名的文章： 1、Neural network and physical systems with emergerent collective computation ability ; 2、Neurons with graded response have collective computation properties like those of two state neurons。 第一次将能量函数引入到神经网络中，给出了稳定性的判据； 利用模拟电子线路实现了提出的模型，成功用神经网络实现了4位A/D转换； 用一组耦合的非线性微分方程来表示Hopfield网络； Hopfield网络在任何初始状态下都能够趋于稳定态； Hopfield网络稳定态是由神经元的连接权数决定的； Hopfield网络主要贡献在于成功实现了联想记忆和快速优化计算。 我们主要讨论二值型Hopfield网络 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 1、二值型Hopfield网络 二值型Hopfield网络又称离散型的Hopfield网络(DHNN)——只有一个神经元层次，每个处理单元有两个状态0、1或者-1、1，即抑制和兴奋，而整个网络由单一神经元组成。 图3-20 二值型Hopfield网络结构 二值型Hopfield网络节点方程式： K表示时间变量； 表示外部输入； 表示神经元输出表示神经元内部状态； 表示阀值函数。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 对于n个节点的离散Hopfield网络有个可能的状态。 节点更新包括三种情况： 、 或者状态保持 例4-3 假设一个3节点的离散Hopfield神经网络，已知网络权值与阀值如图所示，计算状态转移关系。 v1 0.1 0.0 0.0 v2 v3 -0.5 0.6 0.2 已知网络权值初值，圈内为阀值，线上为连接系数 解：设定初始状态为： ，可以依次选择节点V1、V2、V3，确定其节点兴奋的条件及状态的转移。假设首选节点V1，激励函数为： 可见，