基于分块矩阵投影型神经网络收敛性分析.docVIP

基于分块矩阵投影型神经网络收敛性分析 　　 (1.电子科技大学 a.应用数学学院; b.计算机科学与工程学院, 成都 610054； 2.贵州财经学院 数学与统计?┭г?,贵阳 550004) 　　 　　摘 要： 　　投影神经网络算法被誉为最有希望解决优化问题的算法之一，可用于求解优化问题的前提是它应具有全局收敛性。根据凸二次规划约束条件的特点，利用常微分方程理论、M-矩阵理论，通过构造适当的Lyapunov函数，获得了该网络求解一类凸二次规划问题的全局指数收敛性条件，该条件只与神经元连接权矩阵的部分元素有关，其比现有文献所得的收敛条件更弱。最后给出一组实例，说明该网络计算上是可行和有效的。 　　关键词：神经网络;凸二次规划； 投影算子； 指数收敛 　　中图分类号：TP18文献标志码：A 　　文章编号：1001-?B3695(2009)04-?B1286-?B03 　　 　　Convergence analysis of projective neural networks based on partial matrix 　　LIU Zi-xin1a，2, LV Shu1a, ZHONG Shou-ming1a, YE Mao1b 　　 (1. a.School of Applied Mathematics, b. School of Computer Science Engineering, University of Electronic Science Technology of China, Chengdu 610054, China； 2. School of Mathematics Statistics, Guizhou College of Finance Economics, Guiyang 550004, China) 　　 　　Abstract: 　　Projective neural network is the most promising method for solving programming problems, but before it application in practice, neural system must be stable. Based on ordinary differential theory, M-matrix theory, and the character of activate function, by constructing appropriate Lyapunov functional, obtained some globally convergent conditions, this conditions were only relate to some elements of the weight matrix, they were more weaker than previous publications. It presented one simulation example to show the validity of the main results. 　　Key words：neural networks; convex quadratic program; projective operator; exponential convergence 　　 　　0 引言 　　?ピ诳蒲Ъ际趿煊蛑芯?常遇到求解变分不等式或凸二次规划问题。为了求解该类问题，诸多数值算法被提出[1~4]。自从Hopfield和Tank的开创性工作以来[5，6]，用于最优化问题的神经网络方法得到了迅速的发展，求解各类带约束条件的投影神经网络模型相继被提出[7，9]。与其他求解最优化问题的数值方法相比，神经网络具有易于硬件实现、并行计算、自然保解等优点，因此神经网络逐渐成为了解决最优化问题的最佳选择之一。但是以往文献对所构造的投影型神经网络算法的收敛性分析均未能充分利用规划问题约束条件的特点，这在很大程度上使得算法的收敛条件具有相当的保守性。针对这一缺点，本文将给出一些新的收敛准则，该准则只与连接权矩阵的部分子块元素相关，与以往文献所得的收敛准则相比，具有较小的保守性。 　　1 问题的数学分析 　　?タ悸侨缦露?次规划问题 　　?オ?minx∈Ω1/2xTAx+bTx(1) 　　其中:A是一n阶（半）正定矩阵；x,b,a∈Rn，Ω＝{x∈Rn|ai≤?┆?xi≤bi,i∈L,L={1,2,…,n}},是一闭凸子集。在文献[10]中，作者采用可行方向法设计了以下投影型神经网络模型： 　　??dx(t)/dt=