本科优秀论文模板数学.docVIP

天 津 师 范 大 学 本科毕业论文 题目：一类具比例时滞的递归神经网络的全局指数稳定性 学 院：数学科学学院 学生姓名：赵宁 学 号：1130050048 专 业：数学与应用数学 年 级：2011级 完成日期：2015年5月13日 指导教师：周立群  一类具比例时滞的递归神经网络的全局指数稳定性 摘要：对一类具比例时滞的递归神经网络进行研究．M-矩阵和同胚映射定理，及时滞微分不等式技巧，得到了一个时滞无关的充分条件，该条件确保该系统的平衡点是存在唯一且全局指数稳定的．．M-矩阵；时滞微分不等式 Global Exponential Stability of a Class of Recurrent Neural Networks with Proportional Delays Abstract: A class of recurrent neural networks with proportional delays is studied in this paper. Firstly, by using non-linear transformation, a class of recurrent neural networks with proportional delays is transformed equivalently into a class of recurrent neural networks with constant delays and variable coefficients. Secondly, based on the properties of M-matrix and the homeomorphism mapping theorem, by using delay differential inequality technique, a delay-independent sufficient condition ensuring the existence, uniqueness and global exponential stability of the equilibrium point of such neural networks is obtained. A numerical example and its simulation are shown to verify the correctness of the obtained condition. Keywords: proportional delays factor；recurrent neural networks；global exponential stability；M-matrix；delay differential inequality 目 录 1 时滞递归神经网络的研究现状 1 1.1 时滞递归神经网络 1 1.2 比例时滞递归神经网络 2 1.3 主要工作 2 2 数学模型及预备知识 3 2.1 数学模型 3 2.2 预备知识 4 3 主要结果 5 3.1 平衡点的存在性与唯一性 5 3.2 平衡点的全局指数稳定性 8 4 数值算例及仿真 11 5 结论 12 参考文献 12 时滞递归神经网络的研究现状 时滞递归神经网络 根据拓扑结构可将神经网络基本划分为两类：前馈神经网络和递归（）[1]．递归神经网络主要分为以下三类： Hopfield神经网络 Hopfield模型首次由美国物理学家J.Hopfield在1982年提出，该网络具有联想记忆功能，可在集成电路上实现，同时引入了网络能量函数即Lyapunov函数，提供了理论研究依据[2]．Hopfield模型分为离散型和连续型．离散型是一种单层全反馈网络，其中每个神经元都通过连接权接收所有其它神经元输出反馈来的信息，各个神经元能相互制约；连续型中各个神经元并行工作，在信息处理方面的性能比离散结构更贴近实际．Hopfield神经网络已被广泛应用于联想记忆、图像处理和组合优化计算等方面． Cohen-Grossberg神经网络 Cohen和Grossberg于1983年给出了Hopfield递归神经网络的另一种推广形式，被称为Cohen-Grossberg神经网络．与Hopfield神经网络相比，Cohen-Grossberg网络更具一般性，它不仅与生物网络紧密相联系，而且在应用方面较好地解决了系统非线性和不确定问题，在信号处理、联想记忆等领域得到了利用[3]，从而吸引了国内外大量专家、学者对它的动态特性进行分析和研究． 细胞神经网络 细胞神经网络(CNNs)是由L.O.Chua和L.Yang于1