多稳定性论文-李志永,文君

多稳定性论文-李志永,文君

导读:本文包含了多稳定性论文开题报告文献综述及选题提纲参考文献,主要关键词:全球伙伴关系,积极倡导者,国际关系,外交关系,全球治理,习近平,国际社会,国际形势,天下大同,和平与发展

多稳定性论文文献综述

李志永,文君[1](2019)在《推动构建全球伙伴关系网络》一文中研究指出党的十八大以来,面对波诡云谲的国际形势、复杂敏感的周边环境、艰巨繁重的改革发展稳定任务,习近平主席深刻把握中国与世界发展大势,把发展全球伙伴关系摆在更加重要的位置,倡导伙伴合作精神,践行互利共赢理念,阐释共同发展主张,推动构建全方位、多层次、立体化的全球(本文来源于《人民日报》期刊2019-09-20)

任寰宇[2](2019)在《为国际形势注入更多稳定性和正能量》一文中研究指出6月14日,习近平主席出席在比什凯克举行的上海合作组织成员国元首理事会第十九次会议,并发表题为《凝心聚力 务实笃行 共创上海合作组织美好明天》的讲话,为构建更加紧密的上合组织命运共同体指明前进方向。6年来,习近平主席出席历次上合组织峰会并发表讲(本文来源于《人民日报》期刊2019-06-15)

代雄[3](2019)在《神经网络的多稳定性研究》一文中研究指出在人们对生物大脑的认识越来越清楚后,开始使用各种数学模型来仿真生物大脑。神经网络是其中比较理想的模型,它在很多实际问题上取得了很好的效果。神经网络的稳定性是一个重要的研究方向,因为稳定的网络是指从某个领域出发轨迹最终收敛到某些吸引子上,稳定性是工程应用中的一个重要性质。本文从理论和应用两个方面研究了神经网络的多稳定性,取得以下研究成果:首先,我们研究了二维线性阈值递归神经网络的多稳定性。在这部分,我们将二维非线性网络转化为线性网络,利用矩阵的特征值研究神经网络的多稳定性,分别得到有外部输入的网络和无外部输入的网络存在多个连续吸引子的条件;这部分也研究了一种具有复特征值的实连接矩阵网络的多稳定性;并通过仿真验证了结论的有效性。其次,我们建立去噪自编码网络,完成了多个数字的存取,多个连续吸引子存在于一个网络中,扩大了网络的存储容量。并使用旋转图片的数据集,通过自编码去学习旋转图片数据集在二维和叁维空间中的连续吸引子。最后,搭建了长短时记忆神经网络模型的结构,并推导前向传播和误差反向传播过程。分析这种模型在长序列问题中的记忆能力,同时也利用这个模型对时间序列数据(比特币近6年的价格)做了预测,最终验证了该网络强大的记忆功能。综上所述,以上这些成果对神经网络的研究有推动作用。(本文来源于《电子科技大学》期刊2019-03-22)

许德省[4](2018)在《时滞复值神经网络的全局稳定性与多稳定性分析》一文中研究指出近年来,伴随着深度学习和人工智能的大热,神经网络研究的热潮已席卷全球.神经网络的平衡点的存在性和稳定性是硬件设计的前提,而且在不同的应用中,对平衡点的数量要求是不同的,因此分析神经网络的平衡点的全局稳定性和局部稳定性已然成为热门的话题.与已有的关于神经网络的稳定性的文献相比,本文的主要内容和贡献可概括如下:(1)重点研究了具有时滞的复值双向联想记忆(BAM)中立型神经网络的全局渐近稳定性.借助于同胚理论、不等式技术和Lyapunov泛函,建立了一组与时滞无关的充分条件,以保证所考虑的复值BAM中立型神经网络模型的平衡点的存在性、唯一性和全局渐近稳定性.我们不再假设激活函数是有界的,并且基于LMI的判据很容易在实践中求解.(2)针对具有不连续非单调分段非线性激活函数的复值竞争神经网络,我们对其多平衡点的共存性和动力学行为问题进行了讨论.在不假设激活函数为线性或单调性的情况下,利用不动点定理和其他分析工具,提出了几个新的充分条件,以确保不连续的复值竞争神经网络至少有16~n个平衡点,其中的9~n个是局部稳定的.另外,我们建立了确定实值竞争神经网络的多平衡点的共存性和局部稳定性的准则,这也正说明了复值神经网络的稳定平衡点的数量大于实值神经网络.(3)主要探讨了一类具有非单调分段非线性激励函数和无界时变时滞的基于忆阻器的复值神经网络(MCVNNs)的多平衡点的共存性和动力学行为.鉴于激活函数的几何特性,利用介值定理等分析工具,提出了一些新的保证MCVNNs具有25~n个平衡点且其中的9~n个是局部?稳定的代数判据.作为上述给出的结果的直接应用,我们还建立了一些确保多指数稳定性、多幂函数稳定性、多对数稳定性和多双对数稳定性的判据.最后,针对以上结果,我们分别给出了相应的仿真实例验证所得结果的适用性和有效性.(本文来源于《暨南大学》期刊2018-06-20)

张芳海[5](2018)在《递归神经网络的多稳定性研究》一文中研究指出神经网络是人工智能关注焦点之一,过去几十年已获得了丰硕成果。神经网络的动力学行为作为应用和设计的先决条件,在图像处理、模式识别、最优化问题等领域具有广泛的应用。与单稳定性研究相比,多稳定性和鲁棒性呈现出复杂的动力学行为。因此,研究神经网络的多稳定性和鲁棒性,对完善神经网络理论,拓展神经网络在人工智能方向的应用有重要的意义。通过采用不动点定理、拓扑度定理、非光滑分析、右端不连续微分方程Filippov理论,本文分析了时滞神经网络的多稳定性和鲁棒性。以下是本文的主要研究内容:讨论了带有饱和激活函数的递归神经网络的多稳定性。本文利用巴拿赫不动点定理和布劳威不动点定理,给出了递归神经网络存在(4k+3)n个平衡点的充分条件,证明存在(2K + 2)n个局部指数稳定的平衡点,其中k是正整数。分析了扰动递归网络的多Lagrange稳定性。通过构造耦合分割集合,利用广义的M矩阵,探讨了在神经网络中平衡点的局部渐近稳定性。利用时滞微分不等式,给出了扰动神经网络误差轨道的Lagrange稳定性。研究了带有无界时滞Cohen-Grossberg神经网络的ψ型稳定性。由激活函数的几何特征,通过对Cohen-Grossberg神经网络选取恰当的参数和动态区域,给出了状态空间的动态分割。考虑平衡点和拓扑度之间关系,证明了带有光滑扰动激活函数的Cohen-Grossberg神经网络平衡点代数和具有不变性。比较相关的结果,结论相对较新颖,获到的条件具有较好的兼容性,这在一定程度上拓展了以往的结果。探讨了带有不连续激活函数的递归神经网络的多ψ型稳定性和鲁棒性。在右端不连续微分方程Filippov理论下,利用分析方法和不等式技巧,通过对带有不连续激活函数的递归神经网络取适当的参数,获得了神经网络的ψ型稳定性和鲁棒性的充分条件和代数判据。比较相关的一些结果,这些动力学行为的结果是以往结果的补充和丰富,有助于神经网络联想记忆的设计。最后对全文进行了总结,并对未来的工作在多稳定性的研究方面进行了展望。(本文来源于《华中科技大学》期刊2018-05-01)

章吉祥[6](2018)在《神经动力学系统的同步控制与多稳定性分析》一文中研究指出神经动力学系统作为一种非常特殊的动力系统,在数学、工程、物理以及生物等各个方面有着广泛的应用,近年来神经动力学系统已经成为一个热门的研究主题.神经动力学系统的应用强烈地依赖于系统的动态特征.因此,研究神经动力学系统的动态特征具有较强的理论和实际意义.本文主要探究了叁类神经动力学系统.利用拉普拉斯变换、微分方程理论、Brouwer不动点理论、不等式技巧、Lyapunov泛函分析方法、Green公式、伊藤公式,结合神经动力系学系统的具体结构,获得了神经动力学系统理论的判别准则.本文的主要工作概括如下:首先,探究了带有有向拓扑和反应扩散项的线性耦合神经动力学系统的随机同步问题.众所周知,由于神经动力学系统结构的复杂性,空间变量的出现以及时间的变化,对于神经动力学系统的同步实现是极其困难的.通过使用随机网络节点的局部信息,对于两种特殊结构的神经动力学系统,也就是有向生成树和定向生成路径,获得了同步的判据.其次,探究了带有反应扩散项的分数阶耦合神经动力学系统的牵制同步问题.建立了一类带有反应扩散项的分数阶神经动力学系统,通过使用分数阶微分方程的相关知识,对神经动力学系统的动力行为进行研究.将带有反应扩散项的整数阶耦合神经网络的牵制同步的结果推广到分数阶耦合神经网络中,为研究带有反应扩散项的分数阶耦合神经网络的牵制同步问题提供了新的思想.最后,探究了带有非单调分段线性激活函数的分数阶Cohen-Grossberg神经动力学系统的多Mittag-Leffler稳定性.根据分数阶微分方程的相关知识,非单调分析知识,分析了多Mittag-Leffler稳定性,推广了现有的相关结果.本文针对叁类神经动力学系统进行了研究,特别是带有反应扩散项的研究,为进一步分析带有反应扩散项的神经动力学系统奠定了基础.(本文来源于《湖北师范大学》期刊2018-05-01)

王能杰[7](2018)在《复值递归神经网络的多稳定性》一文中研究指出递归神经网络亦称人工神经网络,分为时间递归神经网络和结构递归神经网络.在最近过去的几十年里,学者们发现可将其广泛的应用在各个领域,如故障诊断、信号处理、图像处理、模式识别、并行计算、通信和工业自动化等.随着研究的深入,递归神经网络的稳定性问题已成为众多研究的焦点,并获得了一些关于不同类型稳定性的充分条件,如绝对稳定性、渐近稳定性和指数稳定性等.其中,学者们对于指数稳定性的研究兴趣要比渐近稳定性高,因为对于递归神经网络以何种方式收敛到平衡点,指数稳定可以提供更快的收敛速度和对网络的衰减率的信息.更为重要的是,当指数稳定性得以保证时,不论发生任何变换,神经网络都可以很快地趋于稳定.因此,在本文中,将重点研究复值递归神经网络的指数稳定性.从系统分析的角度来看,在Lyapunov意义下全局稳定的神经网络是单稳定的系统,即一个唯一的平衡点渐近地吸引系统的所有轨迹.然而,在许多实际应用中,单稳定的神经网络是计算受限的,多稳定的系统在处理理想的神经计算方面是至关重要的.所以研究系统的多稳定性是很有价值的.本文运用不动点定理和中值定理,研究了复值递归神经网络在Lyapunov意义下系统的多稳定性.本文主要工作概述如下:首先,通过划分状态空间,将整个状态空间分解为若干子空间,然后选择每个子空间近行独立分析.最后基于介值定理和不动点定理,证明了在某些简单假设下,所考虑的网络在每个子空间中都有一个平衡点.当满足一定条件时.这些平衡点是局部指数稳定的.(本文来源于《湖北师范大学》期刊2018-05-01)

刘林林[8](2018)在《状态依赖切换神经网络的多稳定性分析》一文中研究指出人工神经网络是目前重要的智能控制技术之一,它是受人类大脑功能的启发进而发展起来的一种大规模的非线性动力系统.作为一类新型的网络系统模型,切换神经网络基于其广泛的实际应用与理论研究意义,现已成为国际学术研究的热点.由系统动力学理论可知,稳定性是系统正常运行的前提.因此,开展切换神经网络稳定性的研究既是实践的需要,也是理论发展的要求.本文从切换系统的基本理论出发,研究了两类不同激励函数下状态依赖切换神经网络的多稳定性问题,具体内容如下:第一章首先回顾了切换神经网络理论,特别是多稳定性理论的发展状况,以及人工神经网络动力学的研究历史.同时也揭示了本文工作的研究动机、方法和意义.最后,简要地介绍了本论文的主要研究内容.第二章我们对一类具有单调不减分段线性激励函数的状态依赖切换神经网络展开了多稳定性分析.首先,建立了状态依赖切换神经网络模型,并根据切换阈值的位置及激励函数的几何特征,将状态空间记划分为多个子集.其次,利用压缩映射定理、严格对角占优矩阵理论及一些数学分析技巧,得到了多个平衡点的存在性,并分析了各个平衡点的稳定性/不稳定性.需要指出的是,切换阈值对提高激励函数不饱和区域中稳定平衡点的数量起到了显着的作用.另外,在分析各个平衡点吸引域的同时,基于时间反演理论,证明了对于二维神经网络,不稳定点的稳定流形和切换边界线组成了稳定平衡点吸引域之间的边界.第叁章我们对一类具有非单调激励函数——径向基激励函数的状态依赖切换神经网络展开了多稳定性分析.首先,基于切换阈值及激励函数的特性,通过状态空间分割将Rn划分为多个子集.其次,利用Brouwer不动点定理、Lyapunov函数方法及一些不等式分析技巧,在对指标集和切换阈值的合理假设下,得到了平衡点的数量、位置并分析了其稳定性.最后,值得一提的是,我们不仅得到了稳定平衡点的最大数量,而且得到了稳定平衡点几乎所有可能数量的充分条件.最后,基于前文的理论分析结果,我们给出了一些数值模拟的实例,并对数值模拟的结果进行了分析和比较,验证了理论分析的正确性和有效性.(本文来源于《湖南大学》期刊2018-04-20)

刘平萍[9](2018)在《几类分数阶神经网络的多稳定性分析》一文中研究指出近年来,关于神经网络多稳定性的研究已涌现出了许多有价值的成果,但这些成果基本上都是建立在传统的整数阶神经网络模型上。分数阶微积分在描述具有记忆和遗传特性的神经元时比传统整数阶模型更具优势。本文围绕几类分数阶神经网络,包括分数阶竞争神经网络和分数阶时滞Hopfield神经网络,利用分数阶微积分理论、不动点定理、Lyapunov函数法和比较原则等方法研究了分数阶神经网络的多稳定性。全文分为四章,主要内容如下:第一章概述了整数阶神经网络多稳定性的研究现状、分数阶神经网络的动力学分析,并在此基础上阐明了本文的主要研究内容和主要创新点。第二章我们讨论了带有高斯激活函数的分数阶竞争神经网络多个平衡点的共存性及其动力学行为。通过分析高斯激活函数的几何特性、基于不动点定理以及分数阶微分方程理论,给出了带有高斯激活函数的n元分数阶竞争神经网络恰有3~k(0≤k≤n)个平衡点,其中2~k(0≤k≤n)个平衡点是局部Mittag-Leffler稳定的充分条件。我们得出的结论包含整数阶和分数阶竞争神经网络的单稳定性和多稳定性。最后通过两个例子及其数值仿真验证了理论的正确性和有效性。第叁章我们研究了带有高斯激活函数的分数阶时滞Hopfield神经网络的多稳定性。利用高斯激活函数的几何特性、不动点定理、分数阶微分方程理论,Lyapunov函数法和比较原则,给出了n元分数阶时滞Hopfield神经网络恰有3~n个平衡点,其中2~n个平衡点局部渐近稳定的判别条件。最后通过数值仿真验证了理论的有效性。第四章对全文进行了总结,并对未来工作进行了展望。(本文来源于《东南大学》期刊2018-04-01)

刘鹏[10](2017)在《基于非单调激励函数的递归神经网络的多稳定性分析》一文中研究指出神经网络是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型,在优化问题、模式识别和联想记忆等许多方面都有成功的应用。神经网络的动力学行为是其应用和设计的基础,不同的应用依赖于神经网络的不同的动力学行为。有些应用中,比如优化问题,往往需要神经网络具有唯一的全局稳定的平衡点,即神经网络具有单稳定性。而在有些应用中,比如联想记忆,可能需要神经网络同时具有多个稳定的平衡点,此时神经网络应具有多稳定性,因此神经网络多稳定性分析逐渐成为近年来的研究热点。激励函数的类型是决定神经网络稳定平衡点个数的关键因素。神经网络多稳定性前期的工作主要假设神经网络是单调递增的。与基于单调激励函数的神经网络相比,基于非单调激励函数的神经网络可以显着提高神经网络的训练速度,从而大大降低神经网络的训练时间。因此,相关研究者对非单调激励函数的神经网络的多稳定性进行了研究,但是选取的激励函数类型比较特殊,即是分段线性的。事实上,也有一些常见的激励函数如Mexican-hat函数、Gaussian函数、正弦函数等,这些函数即是非单调的,也在任意开区间内是非线性的。鉴于此,本文将前人的工作进行了推广,主要研究了基于非单调激励函数的递归神经网络的多稳定性。主要内容如下:(1)研究了基于非单调激励函数和混合时滞的递归神经网络的多稳定性。根据激励函数的性质,利用状态空间剖分法和不动点原理得到了n维递归神经网络具有3”个平衡点的充分条件,然后利用比较的方法得到了2n个指数稳定的平衡点的充分判据。最后对稳定的平衡点的吸引域进行了估计。(2)分析了基于非单调激励函数的一类时滞Cohen-Grossberg神经网络的多稳定性。得到了n维时滞递归神经网络具有(2K+ 1)n(K≥0)个平衡点以及(K+ 1)n个指数稳定的平衡点的充分判据,并对稳定的平衡点的吸引域进行了估计。(3)考虑了基于Mexican-hat函数的时滞递归神经网络的多稳定性。根据Mexican-hat函数的性质,得到了n维时滞递归神经网络具有3k15k2(0≤(k1+k2)≤n)个平衡点以及2k13k2个指数稳定的平衡点的充分判据,并对稳定的平衡点的吸引域进行了估计。(4)研究了基于Gaussian函数的时滞递归神经网络的多稳定性和完全稳定性。根据Gaussian函数的性质,利用状态空间剖分法和不动点原理得到了n维时滞递归神经网络具有3k(k≤n)个平衡点的充分条件,利用上下界函数迭代的方法得到神经网络的完全稳定性,并通过比较的方法得到了2k个指数稳定和3k-2k个不稳定的平衡点的充分判据。最后对本文的工作进行了全面的总结,并对今后的研究方向进行了展望。(本文来源于《华中科技大学》期刊2017-05-01)

多稳定性论文开题报告

(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:

6月14日,习近平主席出席在比什凯克举行的上海合作组织成员国元首理事会第十九次会议,并发表题为《凝心聚力 务实笃行 共创上海合作组织美好明天》的讲话,为构建更加紧密的上合组织命运共同体指明前进方向。6年来,习近平主席出席历次上合组织峰会并发表讲

(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。

多稳定性论文参考文献

[1].李志永,文君.推动构建全球伙伴关系网络[N].人民日报.2019

[2].任寰宇.为国际形势注入更多稳定性和正能量[N].人民日报.2019

[3].代雄.神经网络的多稳定性研究[D].电子科技大学.2019

[4].许德省.时滞复值神经网络的全局稳定性与多稳定性分析[D].暨南大学.2018

[5].张芳海.递归神经网络的多稳定性研究[D].华中科技大学.2018

[6].章吉祥.神经动力学系统的同步控制与多稳定性分析[D].湖北师范大学.2018

[7].王能杰.复值递归神经网络的多稳定性[D].湖北师范大学.2018

[8].刘林林.状态依赖切换神经网络的多稳定性分析[D].湖南大学.2018

[9].刘平萍.几类分数阶神经网络的多稳定性分析[D].东南大学.2018

[10].刘鹏.基于非单调激励函数的递归神经网络的多稳定性分析[D].华中科技大学.2017

标签:;  ;  ;  ;  ;  ;  ;  ;  ;  ;  

多稳定性论文-李志永,文君
下载Doc文档

猜你喜欢