导读:本文包含了随机模糊神经网络论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:神经网络,模糊,全局,稳定性,不等式,细胞,矩阵。
随机模糊神经网络论文文献综述
周伟松,王兴武,吴东海,曾豪[1]（2019）在《一类随机模糊细胞神经网络的输入对状态稳定性分析》一文中研究指出研究一类带时变系数的随机泛函模糊细胞神经网络在均方意义下的指数输入对状态稳定性.利用It8公式、Razumikhin技巧和建立Halanay微分不等式,得到该系统在均方意义下的指数输入对状态稳定性的2个充分条件.最后,给出一个数值仿真例子用以来说明得到的判据的正确性和有效性.(本文来源于《四川师范大学学报(自然科学版)》期刊2019年01期）
蒲浩,王来全,刘衍民,刘向虎[2]（2018）在《具有反应扩散项和脉冲的随机模糊Cohen-Grossberg神经网络的指数同步》一文中研究指出研究了具有随机扰动项和反应扩散效应的脉冲模糊Cohen-Grossberg型神经网络的指数同步问题:通过李雅普诺夫泛函理论、随机微分方程理论、It8公式和不等式方法,基于p-范数下得到了该神经网络模型指数同步的新的充分条件,并发现随机扰动项的存在对该神经网络模型同步有抑制作用,而反应扩散项的存在对该神经网络模型同步有促进作用.(本文来源于《华南师范大学学报(自然科学版)》期刊2018年02期）
张为元,王振华[3]（2017）在《一类随机时滞抛物型模糊细胞神经网络的指数学习同步》一文中研究指出探讨一类随机时滞抛物型模糊细胞神经网络的指数同步控制问题。利用Lyapunov–Krasovskii–like复合能量函数和自适应学习控制方法,建立了两个具有随机扰动的混沌时滞抛物型模糊细胞神经网络的指数同步控制的判据,这些结果容易检验且依赖于空间测度,与先前结果相比具有较少保守性。最后,通过仿真实验验证了所得结果的有效性。(本文来源于《咸阳师范学院学报》期刊2017年06期）
蒲浩,张转周,赵爱亮,王来全[4]（2017）在《具有脉冲效应和Leakage项时滞的随机扰动模糊细胞神经网络的指数同步》一文中研究指出研究了具有脉冲效应和Leakage项时滞的随机扰动模糊细胞神经网络的指数同步,通过李雅普诺夫稳定性理论、随机微分方程理论、随机分析法、It?'s公式及一些不等式方法,基于p-范数下得到了新的指数同步的充分条件.在本文中所考虑的脉冲效应是一般函数,而不是线性函数;还发现随机扰动和Leakage项时滞对系统同步有抑制作用.(本文来源于《安徽师范大学学报(自然科学版)》期刊2017年06期）
周伟松,赵永红[5]（2016）在《具时变时滞的随机模糊Cohen-Grossberg神经网络的均方指数输入状态稳定性（英文）》一文中研究指出本文对具随机和时变时滞效应的模糊Cohen-Grossberg神经网络的均方指数输入/状态稳定性进行了研究.利用Razumikhin技巧和时滞微分不等式,本文得到了神经网络的均方指数输入对状态稳定性的充分条件,并给出了一个例子来说明该方法的有效性.(本文来源于《四川大学学报(自然科学版)》期刊2016年04期）
张艳丽[6]（2016）在《脉冲扰动下的含马尔科夫跳跃的随机模糊神经网络稳定性的研究》一文中研究指出从某种程度上来讲,人类在实际生活中,遭遇模糊因素是在所难免的。实际上,模糊符号经常被用来解释一些比较广泛的细节描述。研究模糊神经网络的稳定性既有趣又重要,因为模糊神经网络是图像处理以及模式识别的基石。众所周知,噪音和脉冲扰动是引起神经网络不稳定的主要来源,因此在研究神经网络稳定性的时候,噪音或者是脉冲应该被考虑在内。带有噪音或者脉冲的模糊神经网络系统被称为是随机模糊神经网络或者是含脉冲的模糊神经网络。就我所知,还没有文章研究过脉冲扰动下的含马尔科夫跳跃的随机模糊神经网络的稳定性。本文研究了一类脉冲扰动下的含时滞和马尔科夫跳跃的随机模糊神经网络系统模型在均方意义下是全局渐进稳定的。第一章是绪论,主要阐述了脉冲扰动下的模糊神经网络稳定性的相关背景及意义,介绍了本文所研究的脉冲扰动下的含马尔科夫跳跃的随机神经网络系统模型以及在动力学系统中所应用到的稳定性理论,然后介绍了本文的主要工作。第二章,提出了一种新颖的能确保所我们研究的神经网络系统的平衡点在均方意义下全局渐进稳定的充分条件,并应用随机分析方法、线性凸组合、Jensen不等式以及自由权重矩阵等方法,使得这一充分条件得到了证明。最后举例并通过Matlab验证其可行性。(本文来源于《大连交通大学》期刊2016-06-30）
赵山崎,周立群[7]（2014）在《变时滞随机模糊细胞神经网络的全局指数稳定性》一文中研究指出通过构造合适的Lyapunov泛函,利用It微分算子和不等式的分析技巧研究一类变时滞随机模糊细胞神经网络平衡点的全局指数稳定性,得到了该模型全局指数稳定的一个时滞独立和一个时滞依赖的充分条件.最后通过数值算例验证结论的有效性.(本文来源于《天津师范大学学报(自然科学版)》期刊2014年03期）
许俊银[8]（2014）在《基于模糊随机的神经网络模型及其应用研究》一文中研究指出模糊神经网络集语言计算、逻辑推理、分布式处理和非线性动力学过程为一体，在神经网络和模糊系统结合的基础上发展起来。虽然目前模糊神经网络在很多领域都得到了广泛的应用，然而仍存在着很多需要改进的地方。模糊神经网络在训练过程中，参数的修正算法使用的比较广泛的是误差逆传播修正算法，该算法易陷入局部极小值且收敛速度缓慢；当变量的模糊子集划分增多时，导致的规则组合“爆炸”；目前的大多数模糊神经网络，都只针对模糊变量进行建模，对含有混合不确定性的变量很少涉及。本论文对以上问题进行了研究，在基于减法聚类的模糊神经网络的基础上提出了模糊随机神经网络，主要包括：(1)针对规则组合“爆炸”问题，本文利用减法聚类提取规则，减法聚类能够根据样本信息，自动获取规则，实现对样本空间信息的有限覆盖。(2)针对参数修正过程中易陷入局部最小，收敛速度缓慢的问题，本文提出采用基于全局误差学习率自适应调整的算法对参数进行修正，学习过程中，学习率根据全局误差进行动态调整。(3)针对模糊神经网络不能处理混合不确定性变量的问题，本文在基于减法聚类的模糊神经网络的基础上，提出了模糊随机神经网络，通过对输出变量的转化得到样本对于不同模糊子集划分的隶属度，将输出变量等级的取值作为权重进行线性组合得到综合变量，最后根据分布信息求出输出变量的预测区间。最后，基于地下燃气安全等级评价数据，建立了基于模糊随机的神经网络，并将本文得到的模型结果与减法聚类的模糊神经网络的结果进行对比。在MATLAB软件辅助的基础上，仿真实验表明，本文的模型的准确率较基于减法聚类的模糊神经网络的准确率有很大的提高，而且实现了规则的约减，因此具有更强的解释性。(本文来源于《华南理工大学》期刊2014-05-18）
汪菁宜[9]（2014）在《随机模糊神经网络的稳定性》一文中研究指出本文着眼于研究几类随机模糊神经网络的稳定性.人工神经网络（简称神经网络）是由大量处理单元互联组成的非线性、自适应信息处理系统，试图通过模拟大脑神经网络处理、记忆信息的方式进行信息处理.传统的确定型神经网络在模拟人类的抽象思维能力方面已经发展地较为成熟和完善，但在不确定性智能方面的模拟尚处在探索阶段.而最基本的两类不确定性就是事物的随机性和模糊性，因此，本文讨论了叁类随机模糊神经网络，就其稳定性做出了分析.第一章简介了随机模糊神经网络的发展历史和研究现状，并介绍了几种最常见的神经网络模型，总结了本文的主要工作和创新点.第二章为预备知识，简要介绍了随机微分方程理论和模糊理论.第叁章研究了一类带变时滞的随机模糊细胞神经网络，这类网络将模糊运算引入到传统的细胞神经网络当中，在信号处理、模式识别、联想记忆和图像处理等诸多领域都有着广泛的应用.本章构造了合适的Lyapunov泛函，使用线性矩阵不等式(LMI)方法，研究了这种模型的全局渐近稳定性.第四章研究了一类带有混合时滞（包括变时滞和分布时滞）及马尔可夫调制的随机模糊细胞神经网络，它在随机模糊细胞神经网络的基础上，不仅考虑了时滞可能的多种存在形态，而且考虑到了神经网络会在几个不同的状态下进行随机跳跃转换的可能性.在这一章，我们构建了合适的Lyapunov泛函，运用随机不等式，导出了该模型的两类稳定性：几乎必然指数稳定性和均方指数稳定性.第五章研究了一类带变时滞的中立型随机模糊神经网络，这类网络将模糊逻辑推理引入传统中立型随机神经网络，试图以模糊逻辑中的“如果——那么”规则模拟不确定性.本章通过构建合适的Lyapunov泛函，应用Ito公式、随机分析和不等式等方法，得到了使这类神经网络几乎必然指数稳定的充分条件.在每一章的最后，本文都给出了数值例子以验证所得结论的有效性.并且在最后一章对各章的结论和未来可以着眼研究的方向做出了总结和展望.(本文来源于《湖南大学》期刊2014-05-10）
汪菁宜,彭国强[10]（2014）在《变时滞随机模糊细胞神经网络稳定性分析(英文)》一文中研究指出本文旨在研究一类带变时滞的随机模糊细胞神经网络的稳定性.通过构造恰当的Lyapunov泛函并运用线性矩阵不等式(LMI)理论,作者给出了保证这类神经网络全局渐近稳定的充分条件.本文推导出两个定理:一个用以判定文中模型的全局渐进稳定性,一个用以判定该模型在均方意义下的全局渐近稳定性.(本文来源于《经济数学》期刊2014年01期）
随机模糊神经网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
研究了具有随机扰动项和反应扩散效应的脉冲模糊Cohen-Grossberg型神经网络的指数同步问题:通过李雅普诺夫泛函理论、随机微分方程理论、It8公式和不等式方法,基于p-范数下得到了该神经网络模型指数同步的新的充分条件,并发现随机扰动项的存在对该神经网络模型同步有抑制作用,而反应扩散项的存在对该神经网络模型同步有促进作用.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
随机模糊神经网络论文参考文献
[1].周伟松,王兴武,吴东海,曾豪.一类随机模糊细胞神经网络的输入对状态稳定性分析[J].四川师范大学学报(自然科学版).2019
[2].蒲浩,王来全,刘衍民,刘向虎.具有反应扩散项和脉冲的随机模糊Cohen-Grossberg神经网络的指数同步[J].华南师范大学学报(自然科学版).2018
[3].张为元,王振华.一类随机时滞抛物型模糊细胞神经网络的指数学习同步[J].咸阳师范学院学报.2017
[4].蒲浩,张转周,赵爱亮,王来全.具有脉冲效应和Leakage项时滞的随机扰动模糊细胞神经网络的指数同步[J].安徽师范大学学报(自然科学版).2017
[5].周伟松,赵永红.具时变时滞的随机模糊Cohen-Grossberg神经网络的均方指数输入状态稳定性（英文）[J].四川大学学报(自然科学版).2016
[6].张艳丽.脉冲扰动下的含马尔科夫跳跃的随机模糊神经网络稳定性的研究[D].大连交通大学.2016
[7].赵山崎,周立群.变时滞随机模糊细胞神经网络的全局指数稳定性[J].天津师范大学学报(自然科学版).2014
[8].许俊银.基于模糊随机的神经网络模型及其应用研究[D].华南理工大学.2014
[9].汪菁宜.随机模糊神经网络的稳定性[D].湖南大学.2014
[10].汪菁宜,彭国强.变时滞随机模糊细胞神经网络稳定性分析(英文)[J].经济数学.2014