几类离散神经网络模型解的渐近性与周期性-应用数学专业论文.docxVIP

y y 514397 摘 要 本文主要讨i仑gtT四类离散神经网络模型解的渐近性与周期性 z。+l一,Ix．+f(x。)，”一1，2， ； (1) z．一l—k．一f(x。)，rL一1，2， ； (2) fz。+l==妇．-t-f(，。)， (3) Iy。+．一,ly．+，(嚣)， Tn+I一妇一+，(“)，n；1，2，”=l，Z． 。． (4)、4， lY。+1一^弘一-，(z。)， 这几类模型中的信号传输函数f均为 ． f1，“E■，6]， 厂‘“’一10，。6【，“6 i口，6]，L口，6J， 其中d，bER，AE(o，1)是给定常数。 第一章主要概述了问题产生的历史背景和本文的主要工作。 在第二章我们讨论了模型(1)与(2)。对方程(1)，我们的结论是，当6≤o或do #j≤6或n#j时，方程均具有唯一的全局吸引子；bE Eb二，砖)或bE[B=，B：)时， (砖和B砉的定义见论文)，方程存在周期解，其最小正周期为m+1；在d，b取其他值时， 力『程(1)的解是收敛的。对方程(2)，我们有：当6一南或n≤一南o6或n／o 时，方程均具有唯一的全局吸引子；当n∈(n=，口：]或口∈(A二，A：]时(n吉和A吉的定义 见论文)，方程(2)存在周期解，具最小正周期为m+1；在其他状态下。方程(2)的解是收 敛的。 第三章讨论了模型(3)。当6≤o或口oiLa6或n南时，方程(3)有唯一的 全局吸引子；当n6『兰j时，若初值(z。，y。)∈(6，ab+1]×(6，胁+1]或(z。，帅)∈ (6，妻]×(6，鲁]，则方程(3)存在周期解，并进一步分析了6在不同范围内取值时，解的 周期性及渐近性问题，获得了一系列结果。在第三章第二节，我们具体给出了在条件ab (n一暑巧)(6一南)=o的各种不同情况下，关于方程(3)解渐近性和周期性的一系列 结果。 I第四章分两节讨尊了模型(4)．当bO或n一芒jo6#i或n一暑j I 第四章分两节讨尊了模型(4)．当bO或n一芒jo6#i或n一暑j }j6或一}jno#j6或ao时，方程(4)均具有唯一的全局吸引子；当～ }j“6}j时，方程(4)存在周期解，并具体讨论了在各种不同情况下方程(4)的 解的性质，得到了方程(4)解的渐近性及周期性结果。 关键词：神经网络模型，离散型，渐近性，周期性 AbstractIn Abstract In this thesis，we study the asymptotic behavior and periodicity for four cJasses of discreted neural network models， zl+1=h．+f(x．)，n=1，2， ； (1) 矗一l=k．～，(矗)，n=1，2， ； (2) 矗 + =k。+，(儿)， n=1，2， ； (3) r●J、●L “ + =机+，(靠)； 毛 + =k．+，(儿)， n=1，2， 。 (4) r，J、【 弘 + =b，I—f(x。)， where the function，iS m卜帅l,u0强Ea：}【，”鹰 ，6] where a,bER，A∈(O，1)is a given constant． In the first chapter，we introduce the historical backgraound of problems which will be investigated and the main works of this paper． In chapter 2，we study the models(1)and(2)．For equation(1)，our conclusions ““8 follows：the equation has an unique global attractor when 6≤o or no丁与≤ b or口南；there is the periodic solution whose minimal positiVe period is m+1when bE[6二，6：)or 6∈[B二，B+)(the definitions of砖and B言are is this paper)；and when ai b are the other values，the solution of(1)is convergent．For equation(2)，we have conclusions that theequation has an unique global attractor when 6一南or 4 ≤一南o6 or 4≥o；there is periodic solution with minimal p