离散时滞递归工神经网络的鲁棒性剖析.pdfVIP

离散时滞递归人工神经网络的鲁棒性分析 摘 要 Hopfield 神经网络在图像识别、联想记忆等方面有着很多的应用，但是在 具体的实现过程当中往往存在着扰动甚至有时会有故障的出现，这些因素的存 在极大的影响了神经网络的动态性能并有可能导致网络失稳，因此分析网络在 这些情况下的鲁棒性以及如何使得网络具有比较强的鲁棒性能是必要的。近年 来，人们曾试图把鲁棒性在连续系统中的研究结果推广到离散系统中，但由在 连续系统鲁棒性的证明过程中所用的Lyapunov 方程对于离散的系统不适用，使 得对离散系统不确定性的处理变得有些困难。另外，系统在运行过程当中往往 存在着传输延迟而导致的状态滞后的情况，就整数滞后的情形，其稳定性问题 有了一定的研究结果。 本文主要研究离散时滞的递归神经网络的鲁棒性。首先，针对于网络的故 障情况，建立离散时滞 Hopfield 人工神经网络的故障模型，用概率统计的方法 得到网络鲁棒性能的衡量标准；其次，针对于网络存在权值扰动的情况，建立 离散时滞 Hopfield 人工神经网络的权值扰动模型，计算其具有鲁棒性的权值范 围，由此推得提高离散时滞 Hopfield 人工神经网络鲁棒性能的方法；最后，通 过计算机对离散时滞 Hopfield 人工神经网络进行模拟仿真，对前面得到的结果 进行验证，并且得一些新得结果。 本文得到得结果，可以帮助构造离散时滞的 Hopfield 神经网络，对已有的 网络结构进行鲁棒性能的分析，以及提高已有的 Hopfield 神经网络的性能，使 其更好的满足实际应用的需要。 关键词：Hopfield 网络，鲁棒性，故障模型, 时滞网络 ROBUSTNESS OF DISCRETE TIME DELAYED RECURRENT NEURAL NETWORKS ABSTRACT Discrete Hopfield neural networks are widely applied in picture identification and associative recalling, but there are parameter perturbations and kinds of faults in the Hopfield neural network when it is implemented with the hardware. These factors will badly influence the dynamic performance of the neural network and even cause instability of the network, so the analysis on Hopfield neural networks’ properties under these situations is of great importance. These years scholars have been trying to extend the robustness results from the continuous systems to the discrete systems. But the Lyapunov equation cant be used in the discrete systems, so it is difficult to get the robustness results for the discrete systems. On the other hand, the state of the systems is sometimes delayed because of the transfer delay. And as far as the integer delay is concerned, there are certain r