S-分布时滞态神经网络模型的全局动力行动分析.pdfVIP

S-分布时带静态砷经网珞摸掣的仝岛动力，开勾兮析 S一分布时滞静态神经网络模型的全局动力行为分析 摘要 人工神经网络是目前国内外广泛关注的一个异常活跃的研究领域，具有广阔 的应用前景。递归神经网络作为神经网络的一种重要类型，被广泛应用于联想记 忆、优化计算、鲁棒控制等方面，引起了众多学者的浓厚兴趣。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模型和局域神经 网络模型两类，现有的关于递归神经网络研究大多集中于局域神经网络模型，关 于静态模型的研究鲜见报道。然而，静态神经网络模型却具有广泛的代表性，许 多重要的神经网络归结于静态模型。因此，研究静态模型具有很强的理论和实用 价值，具有广泛的适用性。对此，本文讨论了静态神经网络模型，研究了其全局 动力行为。本文的结论包括理论和应用两部分： 理论部分本文利用不动点理论、Lyapunov泛函、不等式估计等方法，重点 研究了以下问题： ·有限区间上S一分布时滞静态神经网络模型的全局渐近鲁捧稳定性： ●有限区间上S一分布时滞静态神经网络模型周期解的全局吸引性： ●无限区间上S一分布时滞静态神经网络模型平衡点的全局渐近稳定性； ●无限区间上S一分布时滞广义递归神经网络模型概周期解的全局渐近稳定 性。 应用部分本文利用Marlab软件对泛函微分方程和神经网络进行了仿真试 验。 ． 文章结构如下：本文分为四章，第一章是概论，首先介绍神经网络的背景知 识、类型、特点、发展历史和现状，然后具体介绍递归神经网络的相关知识和当 前科研进展，最后介绍本文中用到的一些条件和假设。 第二章是理论部分，由两节组成。第一节将静态神经网络模犁推广为有限区 间上的两种具有S一分布时滞的静态神经网络模型，研究了这类模型的全局渐近 鲁棒稳定性和全局周期吸引子的存在性，并给出了实例说明该模型的高度概括 性。 第二节首先研究了有限区间上具有S一分布时滞的静态网络模型的全局渐近 稳定性，然后将静态模型进一步推广，得到一种同时包含局域模型和静态模型为 特例的更为抽象的神经网络模型，给出其存在全局渐近稳定的概周期解的充分条 件。 第三章介绍Matlab在神经网络研究中的应用。第一节通过两个实例介绍了 利用Matlab求解滞后型泛函微分方程组的方法，并给出了例程。第二节介绍了 用Matlab进行BP网仿真的方法，用仿真的BP网进行图像处理，得到了较好的 结果。 第四章对本文的工作进行总结，并提出了今后的研究的方向。 本文所得结论具有较高的概括性，推广了已有文献的结论；介绍的方法实用 有效，在理论和应用上都有一定的价值。 J i e 关键词：静态神经网络模型；Lebesgue-Stties积分；全局渐近稳定性； 全局渐近鲁棒稳定性：全局吸引子。 S．分布n寸滞静态砷锋网络模掣的争蜀动力行为分析 GIobaI behaviorsstatiCneuraInetwork dynamicaI of modeISwith distributed S-type deIays Abstract Artificialneuralnetworksarea researchareainthese actire very neural in fields． believethat networkscanbe