带时滞的高阶Cohen-Grossberg神经网络的指数稳定性

就一类高阶时滞Cohen-Grossberg社昆网络进行研究,假设反应函数满足Lipschitz连续且有界,用非线性测度的方法得到了关于平衡点的存在性和惟一性的一种新的充分性的判别条件,同时,通过构造一个合适的Lyapunov函数,得到这个条件也保证了时滞神经网络的全局指数稳定性.     

带有变时滞的高阶模糊细胞神经网络的指数稳定性

研究了带有变时滞的高阶模糊细胞神经网络（HFCNNs）的全局指数稳定性.通过引入非奇异M-矩阵和使用Lyapunov泛函方法,得到了带有常时滞和变时滞的高阶模糊细胞神经网络全局指数稳定性的充分条件.     

全局优化学习算法下的高阶神经网络模型

研究了一个高阶神经网络模型，该模型采用全局优化学习算法，能使所有学习图样都成为系统的稳态吸引子，其存储容量远高于Ｈｅｂｂ－ｒｕｌｅ－ｌｉｋｅ型学习算法下的高阶神经网络模型，并能存储识别相关图样．对由３０个神经元组成的二阶神经网络系统进行了计算机模拟，模拟结果证实了上述结论．此外，还分析了初始突触强度对学习效果的影响，计算了不同存储图样数目下的平均吸引半径．     

基于泛函连接神经网络的FIR滤波器设计方法

基于4种FIR线性相位滤波器幅频响应函数的统一表示形式,提出了一种泛函连接神经网络模型,并应用于线性相位FIR滤波器的设计.该网络模型在实际应用中保持了余弦神经网络模型的一切优点,并且能够设计出余弦神经网络不能够设计出的单位冲激响应为奇对称的FIR线性相位滤波器,该神经网络模型具有较强的泛化能力.多通带滤波器和90°移相器两种FIR线性相位滤波器的设计实例,表明了该网络模型在高阶线性相位FIR滤波器设计中的有效性和优越性.     

具有分布时滞的高阶Hopfield神经网络的全局稳定性判据

通过使用Lyapunov泛函方法和LMI方法研究了具有连续分布时滞的高阶Hopfield神经网络（HHNNs）的全局渐近稳定性,得到了系统全局渐近稳定的充分条件．通过使用Matlab中的LMI工具箱验证了结果的有效性．     

基于几种不变量融合信息的缺损目标识别

论述了基于３种不变量的融合信息来识别缺损目标的方法．该方法采用Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ证据推理方法作为决策层的融合工具，将拐点、线矩、高阶神经网络的分类结果进行信息融合．分类实验证明，该方法可以有效地提高系统的识别精度．     

迭代学习控制的高阶最优学习律

最优迭代学习控制是学习控制中的一个重要研究方向.对高阶最优学习律的研究具有重要意义.该文根据最优化的必要性条件给出关于离散时间线性系统迭代学习控制的高阶最优学习律,证明了该学习律的收敛性.最后给出了仿真实例.     

高阶动态电路的Matlab仿真

求解动态电路一般是列微分方程,解微分方程.但高阶或复杂的电路,用求解微分方程的方法比较困难,所以对于高阶及复杂的动态电路的分析多用运算法求解.运算法的方程是符号＂S＂的函数,本文介绍了用Matlab软件解符号方程的方法,并给出了仿真图.     

基于最小项表计算e导数的方法

给出了布尔函数的e导数、高阶e导数以及e偏导数的定义,在此基础上提出了基于布尔函数1值最小项表计算布尔函数的e导数、高阶e导数以及e偏导数的表格方法.该方法具有简单、不受变量数限制以及易于计算机编程操作等优点.     

Bernstein Kantorovich算子线性组合同时逼近的等价定理

利用r阶Ditzian-Totik光滑模ωrφλ(f,t)(0≤λ≤1)给出了关于Bernstein-Kantorovich算子线性组合同时逼近的等价定理;同时研究了Bernstein-Kantorovich算子的高阶导数与所逼近函数高阶导数的光滑性之间的关系.