导读:本文包含了细胞非线性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:稳定性,细胞,神经网络,渐近,不等式,拓扑,矩阵。
细胞非线性网络论文文献综述
张小敏[1]（2018）在《细胞重编程调控网络的非线性随机动力学研究》一文中研究指出细胞重编程技术对药物发现及筛选、移植治疗、基因治疗和疾病研究带来了深远影响,同时也打开了再生医学的大门。然而,大量实验研究表明,细胞重编程过程会面临效率低、不完整等问题。因此,如何提高重编程的效率及加速重编程过程的生物技术成为前沿课题之一。本文以体细胞重编程过程实验为基础,根据细胞重编程过程中基因表达的时间线(Timeline),构建起重编程过程中标记基因之间前反馈调控网络模型,利用随机动力学理论和数值模拟方法对该模型进行动力学研究,得到了以下研究成果:(1)根据重编程过程中标记基因之间前反馈调控网络模型,建立起了重编程过程中标记基因之间前反馈调控网络的动力学方程,数值模拟结果表明:在外源性转录因子OSKM(输入信号)连续表达条件下,细胞内标记基因Y(如SSEA1)在2天左右开始表达,标记基因Z(如Nanog,Oct4,Sox2)在7天左右表达,这些结果与生物学实验结果相吻合,能够解释重编程不同阶段的相关机制。(2)本文选取了 6个测试参数探究其对加速重编程的影响,结果表明:随着上游标记基因对下游标记基因的最大激活率的增大,标记基因Z的表达时间将会明显缩短,即快速的基因表达可以导致更快的重编程过程。同时还发现,外源性转录因子OSKM对开启重编程起重要作用。(3)运用劳斯-霍尔维茨稳定性判据分析了微分方程组解的稳定性。考虑到细胞重编程过程具有随机性,引入高斯白噪声得到了近似Fokker-Planck方程,运用Langevin理论推导出在稳态附近基因表达水平的Fano因子、协方差以及敏感性等物理量解析式,最后运用Gillespie算法进行数值模拟并验证理论结果的正确性。(本文来源于《华中师范大学》期刊2018-05-01）
蒲浩,蒋海军,刘衍民,张转周[2]（2015）在《带有离散滞后时滞和非线性脉冲效应的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离散滞后时滞和非线性脉冲效应的模糊细胞神经网络的指数同步,通过Lyapunov函数方法和不等式方法,利用p-范数得到了新的指数同步的充分条件,最后举例说明结论是有效的.(本文来源于《西南大学学报(自然科学版)》期刊2015年07期）
张建华[3]（2011）在《基于细胞神经网络的非线性时滞系统自适应控制》一文中研究指出在现代工业生产过程中,为了高品质大批量的生产,构造系统通常具有非线性、时变性、不可预知的参数和其他复杂特性,而只用线性系统的方法往往不能全面描述系统的动态特性。基于神经网络的感应技术,凭借其固有的逼近能力,被认为是解决复杂动态系统建模与控制的有效方法。时滞现象也是普遍存在于实际的工业生产过程中,这使得系统的控制问题变得具有挑战性。博士阶段所做研究的目的是通过神经网络为蓝本处理时滞系统在控制领域中存在的相关问题,特别是为针对时滞细胞神经网络的稳定性、同步和非线性系统辨识和控制进行研究,提供有效的解决方案。简要介绍主要研究成果如下所述。论文首先研究了带有时滞的细胞神经网络的稳定性问题,根据Lyapunov稳定性理论给出全局渐近稳定和指数稳定的稳定性新判据。稳定性判据分为时滞相关和时滞无关两种,在时滞比较小的情况下,时滞相关的稳定性判据通常更有意义。稳定性判据以LMI的形式给出,可通过软件实现。其次,针对带有混沌现象的时滞细胞神经网络,研究了混沌同步控制问题。在伴有外界扰动的情况下,设计了基于滑模控制方法的自适应混沌同步控制器;针对带有脉冲的一致混沌神经网络,设计脉冲同步控制器。论文研究了多输入多输出非线性系统的神经网络辨识与控制。针对一般性的非线性时滞系统,基于Lyapunov稳定性理论,应用滑模控制的相关思想设计间接自适应控制。利用神经网络对非线性系统进行辨识,神经网络的权值系数通过自适应算法调整,利用辨识出的模型,设计相应的控制器使系统状态能够跟踪上预先设定的轨迹。进一步应用动态补偿的方法设计神经网络间接自适应控制器,利用神经网络对非线性系统进行辨识,根据辨识出的模型设计控制器,在设计控制器时加入适当的动态补偿,使系统状态能够跟踪上预先设定好的轨迹。论文针对具有叁角结构的单输入单输出非线性时滞系统,首先基于返步迭代策略,设计了神经网络直接自适应控制器,并通过Lyapunov稳定性理论证明了系统的输出和期望轨迹的误差闭环系统一致有界稳定。进一步通过基于返步迭代策略,设计了神经网络间接自适应控制器,针对系统进行神经网络辨识,并在辨识模型的基础上,加入动态补偿的方法设计控制策略,通过Lyapunov稳定性理论证明了系统的输出和期望轨迹的误差闭环系统一致有界稳定。最后,论文研究了一类典型非线性时滞系统,即焊管焊接过程的温度控制系统。首先对焊管焊接过程进行研究,建立了稳态的数学模型,分析了焊接过程温度的变化规律。从变化规律可以看出,无法精确建立焊接过程关于温度的动态数学模型。理论分析表明温度控制过程是一个受到电流和电压等因素影响的,具有叁角结构特性的非线性时滞系统。论文建立了焊接过程关于温度的状态空间表达形式,采用所提出的神经网络返步迭代间接自适应方法进行控制。搭建了焊管焊接温度控制实验平台,通过OPC技术实现了Matlab和组态王的通讯联系,最终在焊管焊接温度控制系统中验证了控制方法的有效性。(本文来源于《燕山大学》期刊2011-06-30）
莫玉忠,丁明智,虞继敏[4]（2010）在《变时滞非线性细胞神经网络稳定性分析》一文中研究指出通过构造新的Lyapunov-Krasovskii泛函和线性矩阵不等式(linear matrix inequatity,LMI),研究变时滞非线性细胞神经网络渐近稳定性,利用牛顿-莱布尼兹公式,一些参数矩阵表达出系统变量之间的关系。从而得出一个具有变时滞相关的全局渐近稳定性判据,其扩展并改善了以前文献的结果。数值及仿真例子验证了结果的有效性。(本文来源于《重庆邮电大学学报(自然科学版)》期刊2010年06期）
李洁坤,丁明智,虞继敏[5]（2010）在《一类非线性时滞细胞神经网络稳定性分析》一文中研究指出研究了一类常时滞细胞神经网络的全局渐近稳定性.通过构造适当的Lyapunov-Krasovskii泛函,利用线性矩阵不等式(LMI)得出了全局渐近稳定性判据.数值的例子验证了方法结果的有效性.(本文来源于《郑州大学学报(理学版)》期刊2010年03期）
丁明智[6]（2010）在《非线性时滞细胞神经网络的稳定性研究》一文中研究指出在最优化,信号处理,图像处理,模式识别和联想记忆等方面,时滞细胞神经网络有着广泛地应用,从而得到迅速的发展.神经网络的处理信息能力取决于其动力学行为.因此,细胞神经网络的动力学性质(如:稳定性)就成为细胞神经网络的一个重要的研究课题.本文旨在研究时滞细胞神经网络的稳定性.首先详细介绍了神经网络稳定性的历史及研究现状.在此基础上,本文取得了如下研究成果:1)常时滞细胞神经网络的时滞无关渐近稳定性分析构造Lyapunov-Krasovskii函数和线性矩阵不等式(LMI)对此类问题进行了探讨,并得出稳定性判据.所得判据提供了一些参数来适当地弥补了反馈矩阵与时滞反馈矩阵之间的平衡关系.而且所得的判据与时滞无关,推广了以前文献中出现的结果且具有更少的限制.数值仿真说明本文所介绍的方法有效性.2)细胞神经网络的时滞无关渐近稳定性的新方法通过构造具有增广形式的Lyapunov泛函,利用牛顿-莱布尼兹公式和系统方程引入自由权值矩阵,结合矩阵不等式技巧,得到常时滞神经网络的全局稳定性的充分判据.并由时滞相关的导出时滞无关的判据.定理的推论和数值的例子说明了我们提出的方法比已有的文献限制性更少,条件更为宽松.3)常时滞细胞神经网络时滞相关渐近稳定性分析首先通过一个变换把非线性神经网络线性化,然后利用微分动力系统Lyapunov-Krasovskii稳定性理论和线性矩阵不等式(LMI)的方法,研究了常时滞神经网络全局渐近稳定性,从而得出时滞相关的充分性稳定性判据.所得充分性判据有少得多保守性比以前的文献.最后,数值例子将本文所介绍的方法与一些文献的结果相比较,验证了本判据的有效性和优越性.4)变时滞细胞神经网络的时滞相关的渐近稳定性分析通过过构造新的Lyapunov-Krasovskii泛函和线性矩阵不等式(LMI),本文研究了变时滞细胞神经网络渐近稳定性.利用牛顿—莱布尼兹公式,一些参数矩阵表达出系统变量之间的关系.从而得出一个漂亮的,具有变时滞时滞相关的全局渐近稳定性判据,其扩展了并改善了以前文献的结果.数值的例子验证了本文结果的有效性.5)随机时滞神经网络渐近稳定性分析研究了具有随机时滞细胞神经网络的稳定性.用马尔可夫过程模拟随机时滞,用随机的Lyapunov泛函和线性矩阵不等式(LMI)方法得出网络平衡点稳定性的充分条件,并导出几个重要的推论.(本文来源于《广西师范学院》期刊2010-06-06）
周冬明[7]（2004）在《细胞神经网络的非线性动力学机制及应用研究》一文中研究指出细胞神经网络(CNNs)的理论和应用研究已经成为了新的研究热点。CNNs是由许多细胞单元通过局部连接组成的网络，其中每个细胞可由线性和非线性电路构成，可用VLSI实现，进行大规模的并行计算，因此它可应用于解决图像处理问题，尤其是可应用于解决传统方法还不能很好地解决的问题，比如：计算复杂性比较大的动态轮廓线目标分割和视频光流场的运动估计问题。然而，进行视频信号处理必须使用时滞细胞神经网络(DCNNs)。 细胞神经网络的主要功能是把一个输入图像转换成一个相应的输出图像。它为了完成这个功能，它必须是一个完全稳定的网络，即所有输出轨迹必须收敛到一个稳定的平衡点。因此稳定性是细胞神经网络可靠工作的前提。 本文主要研究了细胞神经网络无时滞和有时滞的几类模型的稳定性和基于离散细胞神经网络在图像处理方面的应用。稳定性研究主要是提出了在各种情况下(无时滞，常时滞，变时滞和不同激活函数等)神经网络的Lyapunov泛函，利用Lyapunov泛函方法证明了网络能稳定收敛到唯一的平衡点，给出了网络稳定的系数充分条件，并举例说明了所提出的条件优于其它文献的条件。图像处理应用研究主要是利用离散细胞神经网络来实现GVF场和光流场，实现图像分割的目的。 具体地，本论文的主要创新点如下： 利用Lyapunov函数方法、非奇异M-矩阵和不等式a~2+b~2≥2ab对无时滞的细胞神经网络状态方程进行了全局渐近稳定性和全局指数稳定性分析，给出了模板设计的稳定性判据，所得稳定性判据不要求模板是对称模板，并且所得出的全局指数稳定性判据对神经元的激活函数没有严格限于分段线性函数，而可以使用其它形式的非线性函数，只需要激活函数满足Lipschitz条件。 构造了新的Lyapunov泛函，使用了矩阵不等式2X~TY≤X~TPX+Y~T P~(-1)Y，X，Y∈R~n为任意向量，矩阵P∈R~(n×n)为正定，研究了具有常时滞的细胞神经网络的平衡点的唯一性和全局渐近稳定性。得到了具有常时滞细胞神经网络的平衡点的唯一性和全局渐近稳定性的新的充分判据。所得稳定性的充分条件提供了一些参数来适当地弥补了反馈矩阵和时滞反馈矩阵之间所需要的平衡关系。该稳定性判据可以容易被用来设计和检验全局稳定的网络。而且，所得的稳定性条件不会受到时滞参数的影响。进行了计算机仿真实验，并与已有文献的结果作了比较，复旦大学博士学位论文结果表明:所得出的稳定性的充分条件改善和扩展了相关文献的结果，更有利于细胞神经网络的模板设计。 研究了具有变时滞的细胞神经网络的稳定性。构造了新的切apunov函数，使用不等式3ab。毛扩十驴+护(a，b，c>0)和矩阵不等式Zx丁Y‘x丁Px+Y了尸一，Y，x，YoRn为任意向量，矩阵尸任Rnx”为正定，并利用推广的Halanay不等式，对具有变时滞细胞神经网络的平衡点存在性和全局指数稳定性进行了分析。通过对细胞神经网络的激活函数进行叁种不同的假设，分别得出了3个定理，在第叁个假设中，不要求神经元的激活函数是可微的、有界的和单调递增的，对这些新的稳定性充分判据与已有的相关文献结果进行了比较，并进行了计算机仿真，结果表明我们的稳定性条件扩展和改善了已有的相关文献的结果。 讨论了具有一般激活函数和连续分布时滞的回归神经网络的稳定性问题。所讨论的模型是更一般的模型，得出了全局渐近稳定性的充分判据。这样使得在神经网络的设计中可以更灵活地使用激活函数;所得结果扩展和改善了已有文献的结果。 针对在图像处理应用中使用离散细胞神经网络，讨论了离散细胞神经网络的模板设计的收敛性问题。并研究了具有时滞的离散细胞神经的稳定性，得出了一个稳定性的充分条件，即I一(}川+】川)a是一个非奇异的林矩阵，则该网络是一个全局指数稳定的网络，式中I为单位矩阵，}川，}川表示反馈矩阵A和时滞反馈矩阵B的绝对值，在这里细胞激活函数只需满足Lipschitz条件即可。 最后，利用本文提出的稳定性理论结果，应用到动态轮廓的图像分割和视频光流场的运动检测的CNNS模板设计上，利用多层细胞神经网络实现GVF场，并与扩展、细化的细胞神经网络相结合来实现动态轮廓的图像分割，解决传统串行算法复杂性大，不能实时处理的问题，又克服了梯度场作为CNNS的外力驱动方法的局部最小问题。在图像处理过程中，初始轮廓由外部图像的GVF信息引导，最后收敛到所期望的目标位置。实验结果表明，该方法在不同的输入图像条件下均获得了比Vilarin。等人提出的方法更好的分割结果。 在文献[93]提出的一种改进的光流场计算方法的基础上，设计了双层带时滞的离散细胞神经网络来进行光流场的估计方法。并用本文的稳定性条件对以上两个应用的细胞神经网络的稳定性作了验证。(本文来源于《复旦大学》期刊2004-04-27）
王毅[8]（2003）在《细胞非线性网络模型定态解映射的拓扑熵》一文中研究指出细胞非线性网络(Cellular Nonlinear Networks)又称细胞神经网络(Cellular Neural Networks)，简称CNN，是Chua和Yang于1988年提出的一种新的神经网络模型，它是将全局连接神经网络的部分特点与元胞自动机局部相互作用的特点结合起来，构成局部直接连接的动力系统。 由于非线性神经网络的连接特点使得它易于硬件化，它广泛用于信号处理、图像分析、机器人、高维大脑活动等领域，有着巨大的应用前景。随着研究的深入，细胞非线性网络中的混沌和分叉现象及其应用研究得到飞速的发展，但由于其复杂的动力学性质，至今还有许多问题远未解决。 拓扑熵作为一种拓扑共轭不变量，它对动力系统的混乱程度有着极好的数量描述，因此在动力系统的研究中占据着十分重要的位置。在本文我们将用拓扑熵来研究细胞非线性网络的动力学性质，特别是由CNN的定态解诱导出的迭代映射的动力学性质。 在本文第叁部分，我们在阈值非零的情况下，重新对其定态解诱导的一维迭代映射进行了细致分析，得知在不同的参数范围内，迭代映射拓扑共轭于不同的符号空间的有限子移位。同时进一步得到了其定态解诱导出的迭代映射的拓扑熵为2维的阶梯函数，这是一个真正意义上的空间魔鬼阶梯函数。(本文来源于《浙江师范大学》期刊2003-04-01）
细胞非线性网络论文开题报告
（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：
研究了具有离散滞后时滞和非线性脉冲效应的模糊细胞神经网络的指数同步,通过Lyapunov函数方法和不等式方法,利用p-范数得到了新的指数同步的充分条件,最后举例说明结论是有效的.
（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。
细胞非线性网络论文参考文献
[1].张小敏.细胞重编程调控网络的非线性随机动力学研究[D].华中师范大学.2018
[2].蒲浩,蒋海军,刘衍民,张转周.带有离散滞后时滞和非线性脉冲效应的模糊细胞神经网络的指数同步[J].西南大学学报(自然科学版).2015
[3].张建华.基于细胞神经网络的非线性时滞系统自适应控制[D].燕山大学.2011
[4].莫玉忠,丁明智,虞继敏.变时滞非线性细胞神经网络稳定性分析[J].重庆邮电大学学报(自然科学版).2010
[5].李洁坤,丁明智,虞继敏.一类非线性时滞细胞神经网络稳定性分析[J].郑州大学学报(理学版).2010
[6].丁明智.非线性时滞细胞神经网络的稳定性研究[D].广西师范学院.2010
[7].周冬明.细胞神经网络的非线性动力学机制及应用研究[D].复旦大学.2004
[8].王毅.细胞非线性网络模型定态解映射的拓扑熵[D].浙江师范大学.2003
论文知识图
