在現(xiàn)當(dāng)代流行的人工智能學(xué)中,神經(jīng)網(wǎng)絡(luò)的動力系統(tǒng)研究是其中最基礎(chǔ)的組成部分之一,因此分?jǐn)?shù)階動力系統(tǒng)的穩(wěn)定與同步也成為了一個熱門的研究.近幾年,中外學(xué)者們在這一領(lǐng)域也有著許多重大突破.而本文的主要內(nèi)容就是運(yùn)用右端不連續(xù)的分?jǐn)?shù)階微分方程原理、Lyapunov方法、Mittag-Leffler函數(shù)法、非光滑分析及分?jǐn)?shù)階不等式,獲得了分?jǐn)?shù)階?屬于（27）（27）10?情形下該系統(tǒng)的同步和多Mittag-Leffler穩(wěn)定的充分條件.并且通過數(shù)據(jù)仿真進(jìn)行了分析和論證.內(nèi)容安排如下:第一章介紹了基于憶阻分?jǐn)?shù)階神經(jīng)系統(tǒng)的研究背景、目的及意義,闡述了神經(jīng)網(wǎng)絡(luò)模型及本文所做的主要工作.第二章主要利用激活函數(shù)的幾何性質(zhì)、M-矩陣的代數(shù)性質(zhì),得到在此類模型下我們所需要且有意義的結(jié)論,并利用數(shù)據(jù)仿真驗證了結(jié)果的有效性.第三章主要利用微分包含理論、非光滑分析及分?jǐn)?shù)階不等式,在合適的線性時滯反饋控制器下,得到了在此類模型下我們所需要且有意義的結(jié)論,并利用數(shù)據(jù)仿真驗證了結(jié)果的有效性.第四章主要是對本文所做的工作的結(jié)果進(jìn)行了一定的總結(jié),并對未來一些行之有效的研究提出了自己的想法. 

【文章來源】：湖北師范大學(xué)湖北省

【文章頁數(shù)】：47 頁

【學(xué)位級別】：碩士

【部分圖文】：

是例一中的邊界函數(shù)11,aaFF.

是例一中的邊界函數(shù)22,aaFF.

是例一中的邊界函數(shù)11,bbFF.

【參考文獻(xiàn)】：
期刊論文
[1]Exponential synchronization of coupled memristive neural networks via pinning control[J]. 王冠,沈軼,尹泉.  Chinese Physics B. 2013(05)



本文編號：3478773