人工神经网络的理关于及应用.pdfVIP

中文摘 要 刁石. 摘 3七 在本文的前言部分，简要地介绍了人工神经网络的发展历史及现状，并指 出对人工神经网络模型在理论上及应用上进行研究的必要性。 在第一章中，我们探讨了一类带时滞的离散神经网络模型的周期行为，并 给出周期解的稳定判据，期望能对模型的连续形式的研究有所帮助。在第一章 的末尾，我们还对部分结论在一些特殊参数情况下进行了推广，并通过一个例 子体现了推广了的结论的应用。 在第二章中，我们提出对反传算法的几个改进。其中，构造法通过不断地 扩张网络，绕开了传统算法无法避免的局部极小值，并解决了网络结构的选择 问题。除了理论证明之外，我们也通过几个训练实例演示了构造法的应用。此 外，对于一类 “特殊的”训练问题，即输入维数高、但相关性强的数据，我们 提出利用主分量分析的方法给出训练的参数初值。所有数值模拟的方法和结果 我们都放在本章的最后一节。实验数据显示，这些改进的算法都是非常有效 的。 在第三章中，我们利用多层神经网络的学习、预测能力，将其应用到非 线性指标— 预测度指标。作为预测度指标的应用，我们对心率变异性研究中 的R-R间期序列和分子动力学研究中的自由能序列进行预测度分析，结果表明 预测度指标是有很高的应用价值的。它可以帮助我们更进一步地揭示时间序列 中的非线性关系。 关键词:人工神经网络，离散，时滞，周期解，渐近稳定，多层前馈网 络，反传算法，构造法，主分量分析，预测度，心律变异性，分子动力学 一1一 英 文摘 要 Abstract Intheprefaceofthisarticle,wesimplyintroducethedevelopmentofartificial neuralnetworkanditspresentstatus.Andwepointouttheimportanceofdevel- opingitstheoryandapplyingmathematicalmodelofartificialneuralnetwork. Inthefirstchapter,weinvestigatetheperiodicalbehaviorofadelayeddis- creteneuralnetworkmodelandraiseacriterionforthestabilityofperiodical solution.Wehopethatitwillbehelpfultotheresearchofcontinuousmodel.At theendofthischapter,westrengthensometheoremsunderspecialparameters andshowtheirapplicationthroughanexample. Inthesecondchapter,wedeveloptheback-propagationalgorithminseveral aspects.Byenlargingthenetwork,constructivealgorithmsolvethelocalmin- imumdifficulty,whichisunavoidableintheconventionalalgorithm.Themost importantthingisthatitcanhelpustodeterminethestructureofnetwork. Besidesthetheoreticalproof,wealsoapplyittosomeexamples.Furthermore, forsomespecialproblems,whichhavehigh-order,buthigh-correlativeinput,we choosetheinitialvalueofparameters场principlecomponentanalysismethod. Allthedescriptionsandresultsofnumericalsimulationarediscussedinthelast sectio