变时滞人工神经网络周期解与概周期解的研讨.pdfVIP

摘 要 人工神经网络是目前国内外关注的一个十分活跃的研究领域，它在智能控 制，模式识别，图像处理，非线性优化计算，传感技术，机器人等众多领域都有 广泛的应用。在实际应用中，人们通过电子电路来实现神经网络的功能，由于受 认知因素以及神经元放大器有限转化速度和技术水平等客观因素的影响，时滞现 象不可避免的。时滞不但会降低网络的传输速度而且常常会导致网络的不稳定， 所以研究时滞神经网络是必要的且十分有意义。 根据系统基本变量选取的不同，递归神经网络的数学模型可分为静态神经网 络和局域神经网络模型。静态神经网络模型，它将神经元的外部状态作为变量研 neural network)，CNNs网(Cellular back—propagation (Brain—state—in—a-boxnetworks)等。现在关于递归神经网络的研究大多 type 集中于局域神经网络模型，静态神经网络模型的动力性质还未被深入研究。 目前关于时滞静态神经网络周期解与概周期解的研究，绝大多数局限于研究常 时滞情况，对于变时滞神经网络系统的研究