基于自由权矩阵的中立型Hopfield神经网络的稳定性分析.pdfVIP

第2I卷专辑 青岛大学学报(工程技术版) Vol2ISpcciaI JuI 2006 2006年7月 JOURNALOF y UNIVERSITY(E＆1) QINGDAO 基于自由权矩阵的中立型Hopfield神经网络的 稳定性分析‘ 佘秋野1，张玉民2，郭雷l，2 (1．东南大学自动化研究所，江苏南京210096；2．青岛大学自动化工程学院，山东青岛266071) 摘要：利用自由权矩阵方法来研究中立型Hopfield神经网络的稳定性。基于LMl的技巧， 得出了中立型Hofield神经网络稳定的时滞相关充分性条件。其中自由权矩阵表示牛顿 一莱布尼茨公式各项关系。通过求解LMI获取各自由权的最优值，降低了模型变换带来 的结果的保守性。数值实例验证了利用此方法得到的判据比现有判据具有更低的保守性。 关键词：中立系统；神经网络；稳定性；线性矩阵不等式(LMI)；自由权矩阵 互连结构对称的Hopfield神经网络作为典型的然而。但其讨论的模型不含时滞项，在对待实际问题 神经网络。具有较强的联想记忆及优化计算的能力，在 时，局限性较大。本文的模型包含时滞项，拓展了文 智能控制、组合优化、模式识别等领域当中也已经被 献[4]结论的适用范围．另外，SheQiuye等人【4】当中给 广泛采用。然而，在神经元的信息传递过程中，现在 出的充分性判据，只是时滞无关条件，即条件当中没有 的状态变化率不可避免韵要依赖于过去的状态，以及 时滞信息。当时滞比较小时，这样的结论保守性相当 过去状态的变化率。前者称之为时滞睁9】，而后者就是 大。基于此，奉文将给出时滞相关条件下的充分性判 所谓的中立行为现象h”川1。系统模型当中，状态和 据．时滞相关研究的主要方法是确定模型变换，而She 状态的导数中都存在时滞项的时候，此系统称之为 Qiuye等人f4】中所采用的固定权矩阵方法，难以克服模 中立系统。与单纯的时滞系统相比，此情形要相对 型变换带来的保守性；本文将采用何勇等人【5】提出的 复杂一些。中立行为的存在对系统性能有很大影 响，这种影响可能是消极的，也可能是积极的。 自由权矩阵法对问题进行讨论，权矩阵并不在前提中 给出。而是作为未知参数，通过求解LMI来获得其最 Hopfield．J．J．【2J的重复控制系统，就是为改善系统的 控制性能，而人为的应用到了中立行为。 优值。最后通过仿真来验证其对于保守性的改进。 Haras等人【3】首先阐述了中立型神经网络的合理 性，并且给出了随机神经网络均方指数稳定的充分条 1主要结论 件。She Qiuye等人川以简洁的LMI形式。给出了非 随机中立型Hopfield神经网络渐近稳定的充分条件。考虑如下时滞中立型Hopfield神经网络 j(f)=出(f)+以x(f—r)+繇(卜t)+町(x(f))+畋，(z(卜r)) 式中，矩阵一，以，C，缈，职是适维常数矩阵，并且矩阵 C的所有特征值都在单位圆以内 函数．且满足有界Lipschitz连续的特性，即对于任意 x(f)=b(f)，而(r)，…，矗(，))’是状态向量， ‘∈【o’f】(f=1，2，…，n)是时滞向量 本文受田家自然