分?jǐn)?shù)階是整數(shù)階向任意實(shí)數(shù)階計(jì)算的推廣,而且與整數(shù)階神經(jīng)網(wǎng)絡(luò)(Neural Networks System,NNs)模型相比,分?jǐn)?shù)階神經(jīng)網(wǎng)絡(luò)(Fractional Order Neural Net-works System,FNNs)模型因具有更高的自由度和記憶特性被廣泛應(yīng)用到物理、工程學(xué)、生物等學(xué)科中。若將憶阻器和NNs相結(jié)合可以更好地?cái)M合人類大腦神經(jīng)系統(tǒng),此外,考慮到在生活中很多過(guò)程的時(shí)滯現(xiàn)象都是不可避免的,比如信息傳輸時(shí)會(huì)有時(shí)滯現(xiàn)象,所以將時(shí)滯與NNs模型一起考慮也是很有必要的;為了使所研究的系統(tǒng)更加具有實(shí)際意義且貼合我們的生活實(shí)際,本文還會(huì)考慮瞬時(shí)變化對(duì)系統(tǒng)的影響,比如將脈沖現(xiàn)象考慮到FNNs中。本文考慮了基于憶阻器的分?jǐn)?shù)階不連續(xù)NNs的穩(wěn)定和同步問(wèn)題,具體工作為:1.對(duì)給定的基于憶阻器的時(shí)滯FNNs,由于在實(shí)際生活中的系統(tǒng)傳輸產(chǎn)生的噪聲和測(cè)量產(chǎn)生的誤差是不可避免的,所以本章考慮的是系統(tǒng)在有界擾動(dòng)下的穩(wěn)定,此外,復(fù)信號(hào)是處理系統(tǒng)時(shí)常常會(huì)遇到的問(wèn)題,因此本文還考慮了復(fù)數(shù)域上的情況。在Filippov意義下,利用不動(dòng)點(diǎn)原理等研究了系統(tǒng)解的存在唯一性。進(jìn)而由分?jǐn)?shù)階比較原理和Lyapun...

【文章頁(yè)數(shù)】：55 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
中文摘要
ABSTRACT
第1章 緒論
    1.1 研究背景
    1.2 研究現(xiàn)狀
    1.3 研究意義
    1.4 本文的主要工作
第2章 分?jǐn)?shù)階微積分基礎(chǔ)知識(shí)與憶阻神經(jīng)網(wǎng)絡(luò)
    2.1 分?jǐn)?shù)階微積分的定義及性質(zhì)
    2.2 分?jǐn)?shù)階微分方程的穩(wěn)定性
    2.3 憶阻器簡(jiǎn)介
    2.4 人工神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
    2.5 本章小結(jié)
第3章 基于憶阻器的帶有不確定參數(shù)的時(shí)滯分?jǐn)?shù)階神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析
    3.1 模型簡(jiǎn)介及系統(tǒng)參數(shù)應(yīng)滿足的基本條件
        3.1.1 模型簡(jiǎn)介
        3.1.2 系統(tǒng)參數(shù)應(yīng)滿足的基本條件
    3.2 全局漸進(jìn)穩(wěn)定
        3.2.1 解的存在唯一性
        3.2.2 系統(tǒng)零解的全局漸進(jìn)穩(wěn)定性
        3.2.3 數(shù)值仿真
    3.3 本章小結(jié)
第4章 基于憶阻器的分?jǐn)?shù)階多神經(jīng)網(wǎng)絡(luò)系統(tǒng)的滯后同步
    4.1 模型簡(jiǎn)介及相關(guān)參數(shù)條件
    4.2 系統(tǒng)的滯后同步
    4.3 數(shù)值仿真
    4.4 本章小結(jié)
第5章 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
參考文獻(xiàn)
作者簡(jiǎn)歷
學(xué)位論文數(shù)據(jù)集



本文編號(hào)：3755124