具有时滞的通有连续时间神经网络的指数稳定性

研究了具有时滞的通有连续时间神经网络的稳定性问题;利用常数变易法并结合不等式分析技巧,获得了具有时滞的通有连续时间神经网络的平衡点全局指数稳定和全局k-指数稳定的判别准则;推广了文献［1］的主要结果。     

通有连续时间神经网络的K-稳定性

研究了具有时滞的通有连续时间神经网络的K-稳定性问题;利用常数变易法,通过应用不等式分析技巧和微分方程性质,获得了具有时滞的通有连续时间神经网络的平衡点的K-全局渐近稳定性与K-全局指数稳定性的易于验证的时滞相关充分条件,通过实例验证了该充分条件的有效性。     

变系数并联限制细胞神经网络的指数稳定性

本文运用李雅普诺夫函数方法和不等式的技巧研究了变系数和连续分布时滞并联限制细胞神经网络（SICNN）的稳定性，得出了判别其全局指数稳定的新的充分条件。     

Hopfield神经网络k－全局稳定性

研究了Ｈｏｐｆｉｅｌｄ神经网络的ｋ－全局稳定性，利用常数变易法和不等式分析技巧，给出了Ｈｏｐｆｉｅｌｄ神经网络的ｋ－全局指数稳定的充分条件。     

时滞BAM神经网络的p-类全局指数稳定性分析

首先给出了P-类全局指数稳定的概念，在激励函数满足全局Lipschitz连续的条件下，利用不等式和分析技巧获得了具有时滞的BAM神经网络P-类全局指数稳定的充分条件，给出了指数收敛速率指标所满足的代数方程，仿真实例说明了方法的有效性．     

一类具有时滞的神经网络的稳定性分析

对具有广泛应用价值的时滞Ｈｏｐｆｉｅｌｄ神经网络系统,建立了系统平衡点存在唯一的充要条件,利用常数交易法并结合不等式分析技巧讨论了神经网络模型的全局指数稳定性,获得了系统的平衡点全局指数稳定的充分条件。     

关于时滞细胞神经网络稳定性的一个改进结果

在文章[1]中,作者提出了关于时滞细胞神经网络存在唯一平衡点和全局渐近稳定性的充分条件。本文主要指出了文章[1]中相关结论的不足,并改进了建立在线性矩阵不等式基础上的时滞细胞神经网络全局渐近稳定的结果。此外,这些关于时滞细胞神经网络时滞依赖的全局渐近的稳定性的新结果可以保证系统的指数渐近稳定性。     

关于非对称Hopfield神经网络的稳定性

根据矩阵特征值分布范围，讨论了连续时间Ｈｏｐｆｉｅｌｄ神经网络模型的渐近稳定性，给出了目前最优的结果，这对于实际网络设计有重要的指导作用。     

一类带有时滞的神经网络一致稳定性判别法

讨论带有时滞神经网络一致稳定性的问题，给出了状态函数与输出函数关于平衡点一致稳定、全局一致渐近稳定性等价性定理及判别方法。     

一类具有无穷分布时滞的反应扩散神经网络的全局渐近稳定性

针对一类具有无穷分布时滞的反应扩散神经网络模型,在Dirichlet边界条件下应用Lyapunov稳定性理论,通过构造适当的Lyapunov-Krasovskii泛函获得了该系统的全局渐近稳定性判据,数值模拟说明了所得理论判据的可行性。     

二维小波变换在虹膜特征提取中的应用研究

本文提出了一种采用canny变换来提取虹膜特征,并用小波神经网络来进行分类的虹膜检测识别的新方法。该方法结合了小波神经网络作为一种新的分类方法,它很好地改进了识别精度,同时提高了系统的性能。一个简洁并且能快速训练的算子Adaboost也将在小波神经网络中给出介绍。实验结果表明,应用该算子进行分类识别时,识别率为100%,该方法具有很高效的可行性。     

基于遗传神经网络的工程造价估算方法研究

人工神经网络已经成功的运用到工程造价估算方法研究中,高度的鲁棒性和容错能力使它优于多元线性判别分析（MDA）、逻辑回归等方法（Logistic Regression）,针对传统的BP神经网络在工程造价估算方法中存在收敛速度慢和容易陷入局部最小值等问题,提出遗传神经网络的估算方法。将遗传算法和神经网络结合,充分利用两者的优点,使新算法既有遗传算法的全局随机搜索能力,又有神经网络的学习能力和鲁棒性。利用遗传算法的全局搜索能力,针对传统误差反向传播算法的不足,采用染色体编码对神经网络的权值和阈值等主要参数进行优化,通过仿真试验验证其稳定性和有效性,表明该算法在工程造价估算方法中具备较高的实用性。     

基于PSO算法优化RBF神经网络的基金净值预测研究

为了更精确地对基金净值进行预测,针对基金净值变化具有非线性和随机性等特点,提出基于粒子群优化RBF神经网络的基金净值预测模型。利用具有全局寻优的PSO算法对RBF神经网络的参数进行优化,并用经PSO算法优化的RBF神经网络对基金净值进行预测分析。仿真实验结果表明:与使用BP神经网络和RBF神经网络的基金价格预测方法相比较,PSO算法优化的RBF神经网络能够准确地预测基金价格的变化趋势,具有较高的预测精度,对于用户选择基金有着非常重要的意义。     

分布时滞Hopfield神经网络稳定性

针对分布时滞的Hopfield型神经网络构造了李雅普诺夫能量函数,证明了该网络的稳定性问题。证明过程中运用了引理的结论,充分利用了所取李雅普诺夫函数的特殊性,较多地运用了不等式分析方法及不等式放缩技巧。同时由于时滞的存在,证明过程中还涉及李雅普诺夫泛函问题。最后利用引理的结论得出了该网络全局一致渐近稳定的结论。     

时滞BAM神经网络稳定性分析

研究了带有脉冲的时滞双向联想记忆(BAM)神经网络的稳定性问题。通过对网络系统的研究,根据脉冲的特点,采用Lyapunov稳定性理论和一些矩阵分析技巧,得到了脉冲时滞BAM神经网络的稳定性结论,其中包括稳定点的唯一性判据和稳定性的判据,说明脉冲时滞BAM神经网络的稳定性问题是网络本身的特性,最后通过数值算例验证了该结论的可行性和有效性。     

一类BAM神经网络的全局指数稳定性

利用变参数方法和不等式技巧,研究了一类BAM神经网络的动力学特性,得到了能保证其平衡解唯一性和全局指数稳定性的条件,并且此条件与时滞无关.     

基于模糊神经网络的企业信用风险评估模型研究

根据浙江省企业信用评价指导性标准和规范所确定的企业信用评价指标体系,建立了模糊神经网络的企业信用风险评估模型。该模型中确定的模糊规则层具有自调节的功能,可以较好地实现对企业信用风险的评价。利用MATLAB2010a编程对样本数据进行实证分析,结果表明模糊神经网络评价企业信用风险具有较高的准确性和稳定性。     

基于粗糙集-神经网络的工程造价估算模型研究

通过分析粗糙集和神经网络的特点和原理,提出基于粗糙集和神经网络相结合的工程造价估算模型,并通过实例验证其有效性,具有较强的实用价值。