Stability in cellular neural networks with a piecewise constant argument

In this paper, by using the concept of differential equations with piecewise constant arguments of generalized type [1], [2], [3] and [4], a model of cellular neural networks (CNNs) [5] and [6] is developed. The Lyapunov-Razumikhin technique is applied to find sufficient conditions for the uniform asymptotic stability of equilibria. Global exponential stability is investigated by means of Lyapunov functions. An example with numerical simulations is worked out to illustrate the results.     

The design of robust value-creating supply chain networks: A critical review

This paper discusses Supply Chain Network (SCN) design problem under uncertainty, and presents a critical review of the optimization models proposed in the literature. Some drawbacks and missing aspects in the literature are pointed out, thus motivating the development of a comprehensive SCN design methodology. Through an analysis of supply chains uncertainty sources and risk exposures, the paper reviews key random environmental factors and discusses the nature of major disruptive events threatening SCN. It also discusses relevant strategic SCN design evaluation criteria, and it reviews their use in existing models. We argue for the assessment of SCN robustness as a necessary condition to ensure sustainable value creation. Several definitions of robustness, responsiveness and resilience are reviewed, and the importance of these concepts for SCN design is discussed. This paper contributes to framing the foundations for a robust SCN design methodology.     

一种快速且全局收敛的BP神经网络学习算法

目前误差反向传播(BP)算法在训练多层神经网络方面有很多成功的应用.然而,BP算法也有一些不足:收敛缓慢和易陷入局部极小点等.提出一种快速且全局收敛的BP神经网络学习算法,并且对该优化算法的全局收敛性进行分析和详细证明.实证结果表明提出的算法比标准的BP算法效率更高且更精确.     

用在线梯度法训练积单元神经网络的收敛性分析

<正>1引言仅由加和单元构成的传统前向神经网络已经广泛应用于模式识别及函数逼近等领域.但在处理比较复杂的问题时,这种网络往往需要补充大量的隐节点,这样就不可避免地增     

Star网络S_5的Hamilton圈分解

最近Star网络和Pancake网络作为超立方体(并行计算机中多处理机互连的一种著名拓扑结构)的替代品而被许多作者研究.这两种网络的一个好的特点是:与超立方体相比较,它们有较小的直径和顶点度.尤其Star网络,更是受到研究人员的极大关注.在本文中:(a)我们提出了一种在这两种网络中找Hamilton圈的新方法.(b)证明了关于Star网络S_n的一个猜想在n=5时是正确的,即给出了S_5的两个边不交的Hamilton圈,且S_5是这两个Hamilton圈的并.     

脉冲时滞细胞神经网络的周期解的存在性

利用重合度理论中的延拓定理和微分不等式技巧,给出了具有状态依赖时滞和分布时滞的脉冲细胞神经网络的周期解的存在性的充分条件.     

基于粗糙集理论的超稠油油藏水平井吞吐效果评价及其影响因素分析

影响超稠油油藏水平井蒸汽吞吐开发效果的因素包括地质参数、流体参数、开发参数、水平井设计参数等众多因素,寻找主要因素对于超稠油油藏水平井吞吐效果评价及开发调整设计具有重要意义.基于粗糙集理论对影响超稠油油藏水平井吞吐效果的10个因素进行数据属性约简,同时利用灰色关联分析,对这些因素进行敏感性分析;应用Elman神经网络比较上述两种结果,证明了粗糙集理论进行数据属性约简的方法更准确.最终得到注汽干度、注汽强度、注汽速度、水平段长度和注汽压力对水平井的开发效果影响最大.实例计算表明,方法实用有效,精度较高,可用于超稠油油藏水平井吞吐效果评价及开发、调整设计.     

遗传算法优化神经网络的汛期降水模型

针对目前神经网络在实际应用中,网络结构难以确定以及网络极易陷入局部解问题,用遗传算法优化神经网络的连接权和网络结构,并在遗传进化过程中采取保留最佳个体的方法,建立基于遗传算法的神经网络模型,实例研究结果表明该方法可以取得较高的预测精度.     

区域立体物流网络规划模型与算法

提出长株潭区域立体物流网络建构及其网络优化设计.精细化定义了模式分担率,构建了更切合实际的双准则双层规划模型.下层规划描述各核心城市物流枢纽间基于多模式多层阶交通条件下的用户选择行为,上层规划追求最小化长株潭区域立体物流网络系统广义物流费用并最大化整个网络的物流运输量,以满足城市群区域经济发展对物流提出的更高要求.给出了可以克服Frank-Wolfe方法缺陷的惩罚Lagrange对偶方法求解下层规划算法,设计了基于实数编码和组合变异的双层规划改进遗传算法,算法可以保证搜索到近似全局最优解.     

宏观调控“两难”新环境下中国CPI运行定量分析——基于改进的BP神经网络

当前,我国经济继续回升向好,但宏观调控面临的"两难"问题增多.如何防止经济快速下滑和防范通货膨胀成为当前宏观经济决策的重要内容,准确预见我国价格运行趋势对宏观决策具有十分重要的意义.1997年和2008年分别发生了对世界经济发展影响深远的两次金融危机.两次金融危机发生后,中国政府均实施了大规模的经济刺激计划,但反映经济运行的主要宏观经济指标CPI月度指数从危机发生当年的次年开始,步入了长达数月负区间运行.研究发现1997年金融危机发生前后月度CPI指数运行相关度非常高,2008年金融危机发生当年月度CPI指数与2007年、2009年月度CPI指数运行相关度也非常高.对此,运用改进的BP神经网络模型对1995-1999年中国月度CPI指数进行学习,以2006-2009年月度CPI指数数据为基础,对2010年中国下半年月度CPI指数进行了预测,显示全年CPI指数预计为102.85.对此,认为2010年我国面临适度的通胀压力,提出了应对政策建议.