研究主要基于競爭神經(jīng)網(wǎng)絡(luò)模型.在相同的模型中,不同的參數(shù)會使得研究內(nèi)容和方法完全不同,因此本文研究內(nèi)容分為兩個部分.在證明各自系統(tǒng)穩(wěn)定性的前提下,分別針對控制協(xié)議和激活函數(shù)的參數(shù)進行了優(yōu)化.兩者存在一個遞進關(guān)系,在一個固定模型達到同步之后,針對實際情況,結(jié)合憶阻器概念,構(gòu)造出隨狀態(tài)變量跳變的模型.本文提出了一個優(yōu)化算法——局部搜索算法,參考現(xiàn)代控制論的內(nèi)容,給出不同的能量耗散函數(shù),達到最優(yōu)化效果.最終通過數(shù)學(xué)實驗證明了提出理論的有效性.具體的研究內(nèi)容如下:（1）研究基于時變時延競爭神經(jīng)網(wǎng)絡(luò)的最優(yōu)狀態(tài)估計器的設(shè)計問題.通過創(chuàng)造新的李雅普諾夫函數(shù),利用LMI、自由權(quán)矩陣方法以及不等式放縮等技巧,構(gòu)造出一個穩(wěn)定性的充分條件,來保證采樣系統(tǒng)估計量的存在.通過MATLAB數(shù)學(xué)仿真實驗驗證一個數(shù)值實例,來證明理論的可行性和有效性.在此基礎(chǔ)之上,通過對控制器的調(diào)整,使用局部搜索算法找到多個數(shù)值仿真實例.通過對既定能量耗散函數(shù)的計算,得到一個最優(yōu)控制器,該控制器耗能最少.綜上所述,本章對神經(jīng)網(wǎng)絡(luò),競爭神經(jīng)網(wǎng)絡(luò),時變時延,狀態(tài)控制,最優(yōu)化等問題以及他們之間的關(guān)系有一個較為完善的理解,并且能夠充分應(yīng)用前人... 

【文章來源】：江南大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：41 頁

【學(xué)位級別】：碩士

【部分圖文】：

能量函數(shù)柱狀圖

江南大學(xué)碩士學(xué)位論文16表1：優(yōu)化結(jié)果圖圖5:能量函數(shù)柱狀圖圖6:擴充控制器組布爾值分析表和上面的圖像.通過局部搜索算法得到了80組控制器，其中36組經(jīng)過LMI測試可以使系統(tǒng)穩(wěn)定.在圖6中，布爾值為1的控制器為可行解.在圖5中，重新編號可行解，并繪制相應(yīng)的能耗條形圖.性能指標(biāo)值對應(yīng)的初始控制器為1.83，在初始可行解組中得到.而最優(yōu)控制器對應(yīng)的性能指標(biāo)函數(shù)值僅為1.58(組:36)，優(yōu)化效率達到13.57%.2.7幾個說明說明1:為了降低定理1的保守性，采用了自由加權(quán)矩陣法.為避免解LMI時出現(xiàn)邏輯錯誤，本文將自由矩陣設(shè)為P1，P2.

江南大學(xué)碩士學(xué)位論文263.4數(shù)值仿真考慮一個二維的憶阻競爭神經(jīng)網(wǎng)絡(luò)：3()=333()+33,3()-3,3()-+333()5()=355()+53(5())5(5())+535()3()=333()+33,3()-3,3()- 5()=355()+53(5())5(5()) {3()=53{3()+35,{3()-3,{3()-+353(){5()=55{5()+55,{5()-5({5()))+555()3()=533()+35,{3()-3,{3()- 5()=555()+55,{5()-5,{5()- 仿真結(jié)果如下圖：圖7-圖10.圖7:神經(jīng)元細胞x及其估計量的狀態(tài)圖圖8:突觸細胞S及其估計量的狀態(tài)圖


本文編號：3365455