反馈神经网络的动态行为研究-电路与系统专业论文.docx

搞主喜 l 臻 !1l 1雪82 :qs Hop丑eld 模型提出以来，动态行为的研究一直是反镶边神经网路理论 研究的重点，主要原因在于这类神经网络的应用(如忧化、联想记忆、信号处理、图 像处理以及模式识到等}都与网络的动态特性有关。本文对反馈神经网络(包摇 Hop自由ld 网络及细胞神经网络)的稳定性、极限环以及混沌进行了研究，主要工作概 混如下 3 研究了细胞神经网络(臼仆。的金周指数稳定性。路前许多文献中有关指数稳定性 前研究都是针对局部指数稳定性展开的，自子才在线性系统的局部指数稳定性可以通过 其相应的线性化系统得到，因此比较容易分析，而金周指数稳定性则不然 e 本文应用 Lyapunov 函数法给出了。制全局指数稳定的三个充分条件。除此商外，我们还研究 了 CNN 的渐近行为宝进行分析的基本工具是稳定性五里论中的 LaSa11e 不变原理。与 现有文献中使用吉号高深的数学理论根比，我们的方法简单直接，得到的结论也较好。 在对神经网络的激励函数的三个假设下，研究了具有离散时苦苦的神经网络的稳定 性a 在分析无条件全路苦苦近稳定性时，我们构造了合适的均由 punov 泛函结合不等式 的分析技巧给出了几个判定准则，在分析无条件全局指数稳定性时，我们将时带微分 不等式引入到稳定性的研究中。实践证弱， i衷方法帮直在可靠，既得结论较强，而至可 以同时获得指数收敛速度的仿计。与传统的 Lyapunov 能量踊数法相比，具有一定的 优越枝。此外，我们还应湾商矜方法研究了对苦苦摇关稳定性，一革中是 Ly苟明的泛边 法，另一种是 Lyapunov 函数加上 R创umikhin 每件的方法。 具有连续分布时苦苦的神经商络也是一幸中研究得较广茫的模望 a 本文应用传统的 Lyapunov 泛踊法及常数交易法研究了这类模型的全局指数稳定性，获得了儿个充分 条件。考患到更一段的情况，我音:还研究了具有法合的苦苦的神经商络的稳定泼，美出 了一个判定准则。我们的结论改善了巳有的一些结果甸 除了稳定性之外，极鼓环以及运沌也是神经网络动态 1r为研究部3重点 3 本文构造 了具有混沌解的两种神经元模型，通过混沌神段元的精合可以构成混炖神经网络。我 妇着意研究了单今祷绞元前动态行为，透过计算 Lyapunov 1旨数等理论分括以及主才能 够刻划混沌特征的指标如功率谱、相空间图、状态消化图、分叉图等的计算机仿真， 还实了单个神经元能够产生板娘环及混沌行为在与传绞在号基于襟度下降动力学遂有搜 索的神经网络不同，?陈沌神经网络是在混沌吸引子的栩空间内按照一姬的分形结构进 II 摘要 行自抑制搜索，这种特性可以作为全局寻优的有效启发式搜索方法。为了利用这个机 制，我们设计了一个控制参数，使得网络首先对状态空间作暂时的搜索，然后由这个 参数控制混沌动态逐渐消失并转入类似于 Hopfield 网络的梯度搜索，最终获得系统 的全局最优解。为了检验网络的优化效果，我们将这两种网络应用到了典型的函数优 化中，结果比较令人满意。我们还分析了一个简单的具有时滞的一阶神经网络的动态 行为，以时滞作为参数，证明了网络可以产生 Hopf 分叉，而且随着时滞的增加，可 以产生混沌现象，这进一步证实了即使如此简单的系统也能够产生复杂的行为。 美键词:反馈神经网络、无条件稳定性、时滞相关稳定性、 Lyapunov 函数(泛函)、 时滞微分不等式、Razumikhin 条件、 Hopf 分叉、混沌 ABSTRACT III ABSTRACT The study of the dynamical behavior of feedback neura1 networks has been an important toplc in 也e neura1-network 白白ld since the Hopfield network model was proposed in 1982 which demonstrated the great potential of 也e model in applications of optimization ，associative memory，signal processing ，image processing ，pa抗ern recognitio丑， etc.，to name just a few. For the most applications of 如 network ，the unde过ymg qua1itative properties of the network mode