递归神经网络的动力学行为分析控制理论与控制工程专业论文.docxVIP

武汉科技大学 研究生学位论文创新性声明 111111111111111111111 11111111111111111111111111111 Y1943781 本人郑重声明:所呈交的学位论文是本人在导师指导下，独立进行研 究所取得的成果。除了文中已经注明引用的内容或属合作研究共同完成的 工作外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。 对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 论文作者签名:捡 日期: 2oJ I. 5.β 研究生学位论文版权使用授权声明 本论文的研究成果归武汉科技大学所有，其研究内容不得以其它单位 的名义发表。本人完全了解武汉科技大学有关保留、使用学位论文的规定， 同意学校保留并向有关部门(按照《武汉科技大学关于研究生学位论文收录 工作的规定》执行)送交论文的复印件和电子版本，允许论文被查阅和借阅， 同意学校将本论文的全部或部分内容编入学校认可的国家相关数据库进行 检索和对外服务。 论文作者签名: 指导教师签名: 日期.立。11.ζd 武汉科技大学 武汉科技大学 博士学位论文 第1页 摘要 递归神经网络是一种具有反馈回路的大规模的非线性动力系统，它在模式识别、图像 处理、智能控制、信号处理、优化计算等领域有着广泛的运用。由于递归神经网络的各种 应用依赖于网络的动力学行为特性，所以关于递归神经网络动力学行为的研究具有着重要 的理论和实际意义。本论文采用Lyapunov泛函理论、M矩阵理论、线性矩阵不等式方法 和不动点定理等研究工具，对几类典型的递归神经网络模型的动力学行为进行了分析和研 究。具体包括平衡点的稳定性，周期解的存在性、唯一性和稳定性等等。本论文的主要工 作如下： 借助于LyapllIlov泛函理论、Schur补引理和n6微分公式，研究了一类具有混合时滞 的随机区间神经网络模型的均方指数稳定性，获得了以LMI形式给出的判据。该判据推广 了现有文献的相关结论，易于利用Matlab软件包中的LMI工具箱求解，无需预调参数矩 阵。数值仿真验证了所得结论的有效性。 针对BAM神经网络可能在极短的时间内发生突变，从而导致无法用连续或离散的方 程来描述系统状态的问题，建立了具有脉冲的时滞BAM神经网络模型。采用同胚映射原 理、Y0ung不等式、H61dcr不等式和反证法，在不要求激活函数有界和可微的条件下，获 得了其平衡点存在性和唯一性的充分条件。同时，利用反证法和M矩阵理论，给出了保证 其平衡点全局指数稳定性的充分判据。 运用Lyap吼ov泛函理论、线性矩阵不等式技巧和不动点定理，研究了具有脉冲的高 阶BAM神经网络周期解的存在性和全局指数稳定性，建立了以M矩阵形式给出的判据。 该判据推广了现有文献的相关结果。仿真实例验证了所得结论的有效性。 针对具有混合时滞的脉冲神经网络模型，利用Ly舢ov泛函理论和线性矩阵不等式 技巧，获得了保证其平衡点全局指数稳定性的时滞依赖型判据。该判据用LMI的形式表示， 可以方便地利用Matlab软件包中LMI工具箱求解，无需预调参数矩阵。数值仿真验证了 所得结论的有效性。 在不要求激活函数有界和可微的条件下，通过构造恰当的Lyap啪ov泛函，分析了一 类模糊时滞BAM神经网络的全局指数稳定性，获得了以M矩阵形式给出的充分条件，推 广了现有文献的相关结果。 关键词：递归神经网络；时滞；动力学；稳定性；Lyapunov泛函 第1I页 第1I页 武汉科技大学 博士学位论文 Abstract Recurrent neural networks are a class of large scale nonlinear systems with feedback loop． Recurrent neural networks are widely used in pattern recognition，image processing,intelligent control，signal processing,optimistic computation，etc．It is well known that such kinds of these applications rely crucially on qualitative properties of the dynamic behaviors of recurrent neural networks．Consequently,the study of the dynamical behaviors of recurrent neural networks has important theoretical and practi