文档介绍：摘要侥壳拔V梗蝗嗣枪惴翰捎玫纳窬缒P椭饕7治R韵铝嚼啵毫文在第三章基于动态神经网络引入了一类新的神经网络系统——时变时滞脉冲神经网络系统,通过分析,得到了其全局指数稳定的充分性判据。斗判据来求解最优化问题。随过具体的算例,发现将神经网络全局指数稳定的一西南交通大学硕士研究生学位论文神经网络的研究至今已有近年的历史,本文在第~章绪论中综述了神经网络的发展历史,并重点论述了动态神经网络的发展现状及趋势。捎诙窬缦低吃诹O爰且洹⒆钣呕⑼枷蟠淼确矫婀惴旱挠τ往所提出的该类神经网络模型都假设自反馈项为线性的,不能真实的反映其本质,所以在唪文的第二章将对原有的动态神经网络模型进行推广,并研究推广模型的一些基本特性。第二章分两种方法对其进行研究。第一种是通过引入非线性测度的概念,分别对激励函数采用了两种不同的偕瑁出这两种不同连续假设下神经网络系统的全局指数稳定性条件,并分析其指数收敛率。第二种是采用李雅普诺夫直接方法,在激励函数的设下,得到了两个全局指数稳定的充分性判据。神经网络和离散型神经网络。然而,现实生活中的确存在一些神经网络,它们既不属于第一类也不属于第二类。它们的共同特点是在某些特定的瞬间会发生突变。而这些系统的突然的尖锐的变化多是以脉冲的形式出现的。因此,本论最后,在第四章,将利用前面所得到的关于神经网络全局指数稳定的一些些判据用来求解最优化问题均能达到预期的结果。上关键词:动态神经网络;全局稳定;指数稳定;收敛率:最优化、第前景,使得微电子学家、物理学家、数学家、神经科学家、生物学与心理学家、控制理论家、计算机科学家和人工智能专家等都热情地投入这一领域。但是以/
.琲时西南交通大学硕士研究生学位论文第’,,甅.,痶,’琲...,瓸...,:甌..
西南交通大学硕士研究生学位论文第,..篸;;籩
第滦髀神经网络的发展历史神经网络这个名词在神经生理学、神经解剖学的范畴内,指的是生物神经网络,而在信息、计算机科学和自动控制等领域内,指的则是向生命学习而构造的人工神经网络。在本文的讨论中,神经网络主要指后一种。的若干基本特征,但它并不是人脑的逼真描写,而只是它的某种抽象、简化与模拟。网络的信息处理由神经元之间的相互作用来实现;知识与信息的存储表现为网络元件之间分布式的物理联系;网络的学习与识别决定于各神经元连接权系的动态演化过程。神经网络是一个具有高度非线性的超大规模动力系统,除了具有网络的全局作用、大规模并行分布处理及高度的鲁棒性和学习联想能力之外,它还具有一般非线性动力系统的共性,即不可预测性、吸引性、耗散性、非平衡性及不可逆性等,同时又具有高维性、广泛联结性与自适应学习性等特点,因此它实际上是一个超大规模非线性自适应信息处理系统。神经网络的研究已有近年的历史,但它的发展是不平衡的,它的兴衰与“人工智能走什么路”这一争议问题有关。与之有关的神经科学研究竽功能的心理学及心理学研究、神经元的电生理研究等谒氖甏延胁簧俟作,其间提出的神经元模型【,以及改变神经元连接强度的规则Ⅲ等,至今仍在各种网络模型中起着重要的作用,而作为人工智能的网络系统的研究则是五十年代末六十年代初开始的。年甊状我薖的名称,它由阀值性神经元组成,主要用于理论研究和模式识别等;,它是连续取值的线性网络,主要用于自适应系统,这与当时占主导地位的以顺序离散符号推理为基本特征的人工智能的途径完全不同,因而引起不少人的兴趣,同时也引起了很大的争议。,对以感知器为代表的网络系统的功能及其局限性从数学上作了深入研究,于年出版了颇有影响的】一书,他们的结论是悲观的。由于西南交通大学硕士研究生学位论文第神经网络是由大量处理单元窬!⒌缱釉<⒐獾缭<广泛互连而成的网络。它是在现代神经科学研究成果的基础上提出的,反映了人脑功能
西南交通大学硕士研究生学位论文第在学术界的地位和影响,其后若干年内,这一研究方向处于低潮,但更重要的图扑慊诩际酢⒐婺:退俣壬系难该头⒄及与之相应的传统的人工智能的进展,暂时掩盖了发展新型计算机及人工智能究。七十年代,有关神经网络的主要代表研究有:神经网络研究的另一学派的联想记忆的映射理论【:和瓼提出的神经认知网络理论等【,他们为神经网络理论的发展作出了难能可贵的贡献。八十年代,神经网络研究取得了异常迅速的发展。美国加州工学院物理学家的工作怀莆M黄菩缘慕梗岢隽薍窬缒P停通过引入“能量函数”的概念,给出了网络稳定性判据,它与电路的直接对应为神经计算机的研制奠定了基础,同时开拓了神经网络用于联想记忆和优化计算的新途径。和牧油缒P椭赋隽舜车娜斯ぶ悄堋凹人提出的P廷柙蚪栌昧舜澄锢硌У母拍詈头椒ǎ状尾捎昧多层网络的学习算法;蚆忍岢龅腜理论【】则致力于认知微观结构的探索,同时提出了多层神经网络的“误差传播学