最優(yōu)化和聯(lián)想記憶問題由于在工程和科學(xué)研究中的廣泛應(yīng)用而備受關(guān)注.隨著問題規(guī)模的擴(kuò)大,傳統(tǒng)方法已越來越不能滿足日益發(fā)展的社會經(jīng)濟(jì)的需求.由于人工神經(jīng)網(wǎng)絡(luò)技術(shù)具備大規(guī)模并行處理、收斂速度快、可以硬件實現(xiàn)和控制等優(yōu)點,所以利用神經(jīng)網(wǎng)絡(luò)解決優(yōu)化和聯(lián)想記憶問題已受到國內(nèi)外學(xué)者重視并成為一個熱門研究領(lǐng)域.本文借助（偏）泛函微分理論、Lyapunov方法、微分不等式技巧和矩陣測度等方法,對求解最優(yōu)化問題的神經(jīng)網(wǎng)絡(luò)和基于外部輸入的聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)進(jìn)行深入研究,獲得若干有意義的成果.本文的主要工作和成果包括以下幾個方面:1.建立了一類求解一般線性約束的凸二次規(guī)劃問題的新的時滯投影神經(jīng)網(wǎng)絡(luò)模型.根據(jù)泛函微分方程理論,證明了解的存在性和唯一性;利用不同于傳統(tǒng)的Lyapunov泛函方法,借助不等式技巧,給出了神經(jīng)網(wǎng)絡(luò)全局指數(shù)收斂的判別條件.研究表明,與已有的成果相比,設(shè)計的模型具有單層結(jié)構(gòu)和較少的神經(jīng)元,降低了計算的復(fù)雜度;恰當(dāng)?shù)臅r滯能夠加快神經(jīng)網(wǎng)絡(luò)的收斂速度;可調(diào)控的多參數(shù)有利于神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性.2.提出了一類用于求解單調(diào)變分不等式問題的非光滑時滯神經(jīng)網(wǎng)絡(luò)模型.根據(jù)矩陣測度方法、不等式技巧和泛函微分方程穩(wěn)定... 

【文章來源】：南京航空航天大學(xué)江蘇省 211工程院校

【文章頁數(shù)】：135 頁

【學(xué)位級別】：博士

【部分圖文】：

不同神經(jīng)網(wǎng)絡(luò)的解軌線.

神經(jīng)網(wǎng)絡(luò)(3.4)的結(jié)構(gòu)圖.

圖 4.1 神經(jīng)網(wǎng)絡(luò)(4.3)的塊狀結(jié)構(gòu)圖.為進(jìn)一步討論神經(jīng)網(wǎng)絡(luò)(4.3)求解 LVI 問題，引入下列的記號和引理.記 , ,， 表 示 在 上 的 實 Lebesgue 可 測 函 數(shù). ∥ ∥√∑∥ ∥ ,(∫)1√∑(∫)1

【參考文獻(xiàn)】：
期刊論文
[1]Synthesization of high-capacity auto-associative memories using complex-valued neural networks[J]. 黃玉嬌,汪曉妍,龍海霞,楊旭華.  Chinese Physics B. 2016(12)
[2]變時滯反應(yīng)擴(kuò)散Hopfield神經(jīng)網(wǎng)絡(luò)的全局指數(shù)穩(wěn)定性[J]. 王林山,徐道義.  中國科學(xué)E輯:技術(shù)科學(xué). 2003(06)
[3]具有反應(yīng)擴(kuò)散的Hopfield神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性[J]. 廖曉昕,傅予力,高健,趙新泉.  電子學(xué)報. 2000(01)



本文編號：3285711