首页> 正文

两类具有多比例时滞随机神经网络的稳定性分析

2020-12-08阅读(384)

两类具有多比例时滞随机神经网络的稳定性分析

论文摘要

神经网络的许多结果只依赖于时间,不考虑模糊和空间,然而真正的神经网络中,电子在不对称电磁场中运动时不能避免扩散效应,所以状态变量会随着时间空间的变化而变化,且不精确.本文研究了具有混合时滞的随机神经网络的指数稳定性问题。通过构造合适的Lyapunov-Krasovskii函数,应用随机分析理论:Ito’s公式和邓肯公式,建立具有多比例时滞和分布时滞的模糊随机神经网络的模型,其中多比例时滞是一种无边界时变延迟,推导出系统状态稳定的均方指数输入的新的充分条件。然后基于一个新的Lyapunov-Krasovskii函数和庞加莱不等式以及随机分析理论,建立了具有时变时滞,多比例时滞和分布时滞的随机反应扩散BAM神经网络的模型,得到了新的保证随机指数稳定的充分条件。所得结果表明,混合时滞和反应扩散确实有助于所考虑系统的指数稳定,易于验证,且比以前发表的有关随机神经网络的均方指数输入状态稳定性的文献保守性小.并举例说明了理论结果的有效性。

论文目录

  • Abstract （in English）
  • Abstract （in Chinese）
  • Chapter 1 Introduction
  •   1.1 Background
  •   1.2 The main content of this article
  • Chapter 2 Multi-proportional delay on the recurrent neural networks
  •   2.1 Assumptions of the stochastic recurrent neural networks
  •   2.2 Mean-square exponential input-to-state stability for neural networks
  • Chapter 3 Mixed delays on the reaction-diffusion BAM neural networks
  •   3.1 Assumptions of the stochastic reaction-diffusion BAM neural networks
  •   3.2 Mean-square exponential stability for BAM neural networks
  • Chapter 4 Numerical example
  •   4.1 Impact of multi-proportional delays on the recurrent neural networks
  •   4.2 Impact of mixed delays on the reaction-diffusion BAM neural network
  • Chapter 5 Conclusion and Prospects
  •   5.1 Conclusion
  •   5.2 Prospects
  • Bibliography
  • 致谢

    • 文章来源

    类型: 硕士论文

    作者: 王天予

    导师: 朱全新,宋延奎

    关键词: 随机神经网络,神经网络,模糊,时变时滞,多比例时滞,分布时滞,函数

    来源: 南京师范大学

    年度: 2019

    分类: 基础科学,信息科技

    专业: 数学,自动化技术

    单位: 南京师范大学

    分类号: O175;TP183

    DOI: 10.27245/d.cnki.gnjsu.2019.000739

    总页数: 71

    文件大小: 2712K

    下载量: 43

    相关论文文献

    • [1].基于优化神经网络的地质灾害监测预警仿真[J]. 计算机仿真 2019(11)
    • [2].基于进化神经网络的304不锈钢车削加工表面粗糙度预测[J]. 轻工机械 2019(06)
    • [3].时频联合长时循环神经网络[J]. 计算机研究与发展 2019(12)
    • [4].几种典型卷积神经网络的权重分析与研究[J]. 青岛大学学报(自然科学版) 2019(04)
    • [5].基于GA-BP神经网络异纤分拣机检测参数优化[J]. 棉纺织技术 2020(01)
    • [6].基于集成神经网络的织物主观风格预测研究[J]. 纺织科技进展 2020(01)
    • [7].试析神经网络技术在机械工程中的应用及发展[J]. 网络安全技术与应用 2020(02)
    • [8].一种深度小波过程神经网络及在时变信号分类中的应用[J]. 软件 2020(02)
    • [9].不同结构深度神经网络的时间域航空电磁数据成像性能分析[J]. 世界地质 2020(01)
    • [10].基于深度神经网络的航班保障时间预测研究[J]. 系统仿真学报 2020(04)
    • [11].基于生成对抗网络和深度神经网络的武器系统效能评估[J]. 计算机应用与软件 2020(02)
    • [12].基于循环神经网络的双轴打捆机智能换挡策略研究[J]. 安徽工程大学学报 2020(01)
    • [13].基于图神经网络的实体对齐研究综述[J]. 现代计算机 2020(09)
    • [14].基于改进的循环神经网络深度学习跌倒检测算法[J]. 电脑编程技巧与维护 2020(03)
    • [15].神经网络探索物理问题[J]. 物理 2020(03)
    • [16].基于GA-BP神经网络的城市用水量预测[J]. 现代电子技术 2020(08)
    • [17].基于深度神经网络的药物蛋白虚拟筛选[J]. 软件工程 2020(05)
    • [18].基于轻量级神经网络的人群计数模型设计[J]. 无线电工程 2020(06)
    • [19].高效深度神经网络综述[J]. 电信科学 2020(04)
    • [20].含磁场耦合忆阻神经网络放电行为研究[J]. 广西师范大学学报(自然科学版) 2020(03)
    • [21].基于神经网络及特征运算的老年人平衡能力分析[J]. 重庆工商大学学报(自然科学版) 2020(04)
    • [22].神经网络技术在机械工程中的应用及发展探析[J]. 科技创新与应用 2020(18)
    • [23].基于竞争神经网络的变电站巡视周期分类[J]. 科技创新与应用 2020(18)
    • [24].基于双向循环神经网络的语音识别算法[J]. 电脑知识与技术 2020(10)
    • [25].结合相似日与改进神经网络的短期光伏发电预测[J]. 广西电业 2020(04)
    • [26].基于神经网络的流感大数据分析[J]. 中华医学图书情报杂志 2020(03)
    • [27].长短时记忆神经网络在地电场数据处理中的应用[J]. 地球物理学报 2020(08)
    • [28].基于门控循环单元神经网络的公交到站时间预测[J]. 南通大学学报(自然科学版) 2020(02)
    • [29].鼠脑神经网络的同步辐射3D成像研究[J]. 核技术 2020(07)
    • [30].基于长短记忆神经网络的短期光伏发电预测技术研究[J]. 华北电力大学学报(自然科学版) 2020(04)

    标签：;  ;  ;  ;  ;  ;  ;  

    两类具有多比例时滞随机神经网络的稳定性分析
    下载Doc文档

    猜你喜欢

    © 2024 毕论降 版权所有 鄂ICP备12018319号-6