一类神经网络算法的渐近行为

研究了一类连续型全反馈人工神经网络的稳定性,通过求解简单的一维微分方程,给出了这类神经网络系统的解的解析表达式,利用解的解析表达式证明了当A的特征值0l,至少有一个特征值为负时,网络的一切从Rn中的单位超球内出发的解收敛于原点或单位超球内的一点.     

一类神经网络系统的渐近行为

研究了一类微分方程系统解的渐近行为和零解的稳定性问题;讨论了利用特征值的符号及运用解对初值的连续依赖性和一些变换算法,该算法优点是不需求出解的解析表达式,就能判断方程解的渐近行为和零解的稳定性态,其推理过程较清晰严密并有一定的参考价值。     

一类分块矩阵的特征值及特征向量的求解

利用一类三对角矩阵的特征值及特征向量的解法,求出一类特殊的三对角对称矩阵的特征值和特征向量,并由此求出一类块三对角对称矩阵的特征值和特征向量.最后是该求解方法的简单应用。     

一个退缩型反应扩散方程组解渐近性态

通过构造Lyapunov函数,证明一个强耦合的退缩型反应扩散方程组解的渐进稳定性。     

一类单调流的渐近性态

研究了一类拓扑动力系统单调流的渐近性问题。首先定义了一些概念，然后利用集合分析方法以及不等式分析技巧，获得了拓扑动力系统的单调流是拟渐近的充分条件。文中所获得的结果，不要求动力系统是不可约系统，同时改进了文献［１］的结果。     

多比例时滞细胞神经网络的全局一致渐近稳定性

对一类具多比例时滞细胞神经网络进行研究,利用变换()()t i i z t y e,将具多比例时滞细胞神经网络变换成变系数常时滞的细胞神经网络。通过构造合适的Lyapunov泛函,给出了几个保证该系统全局一致渐近稳定的时滞独立的充分条件,并给出例子验证所得结论的正确性。     

算子中立型泛函微分方程等度渐近稳定性

定义了算子D的等度渐近稳定 ,并进而得到比文 [1]好的等度渐近稳定性判据。     

一类常系数线性方程组的简易解法

本文给出了当系数矩阵 A 形如(☆)式时的线性方程组基解矩阵的简易求法.     

一阶时滞微分方程解的渐近性态

探讨了一阶时滞微分方程解的渐近性,并得到了这类方程解的渐近性的几个充分条件。     

回复式离散神经网络的特征子空间估值(英文)

提出了用两种回复式离散神经网络模型研究正定对称矩阵的特征子空间估值问题:第1种模型是非线性神经网络,用于计算最大特征值及其特征向量;第2种模型属于线性神经网络,用于计算相应于最大特征值的特征子空间。详细研究了两种离散神经回路网络模型的动力学性质并用于特征子空间估值。     

基于回路神经网络的特征子空间估值算法(英文)

基于运用回复式离散神经网络进行特征子空间估值的理论,提出了解决正定对称矩阵的特征子空间估值问题的算法。其神经网络被描述为离散时间系统,它们在整个连续时间神经网络模型的数字化处理即计算机仿真方面具有优势,可以很容易地应用于数字化硬件。仿真结果的给出进一步阐明了网络良好的性能。     

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。     

基于模糊神经网的入侵检测模型研究

对自组织特征映射(SOM)神经网络进行了概括分析,并结合模糊逻辑的思想对SOM网络的学习算法进行了模糊化改进。将模糊SOM技术应用到网络入侵检测中并应用MATLAB进行仿真。试验结果表明基于模糊神经网络的网络入侵检测方法能有效降低误报率。     

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。     

多目标模糊优化潮流模型及其基于神经网络的算法

提出了一种计算交流潮流的多目标模糊优化模型。模型中,同时考虑了发电费用最少及网损最小等多重目标。针对该模型,还提出了一种基于神经网络模型的新算法。该算法分别采用神经网络模型进行模糊集隶属函数的表达及优化问题的求解,从而将模糊优化同神经网络有机地结合起来。通过算例对所提模型及算法进行了验证。     

基于BP神经网络的航空运输量短期预测模型

随着我国经济的发展,航空运输业也空前繁荣发展,航空运量受多方面的影响。本文运用误差反传神经网络,综合时间因素、实际进出空港的实际架次与飞机类型、进出空港旅客人数和货物量以及空港气象条件等,探索航空运量的短期预测模型。     

模糊神经网络用于非线性系统模型辨识(英文)

提出了一种非线性系统的模型辨识方法。在只有被辨识系统的输入输出数据的情况下,利用一种无监督的聚类算法来进行结构辨识,从而自动获得模糊规则库,并可以得到模糊系统的初始参数。在聚类的基础上,构造一个与之相匹配的模糊神经网络,用它的学习算法来训练网络得到一个精确的模糊模型,从而实现参数辨识。同时,证明了所构造的模糊神经网络具有通用逼近能力,这个能力在模糊建模和模糊控制方面非常有用。通过对两个非线性系统辨识的仿真结果验证了该方法的有效性。