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.     

混沌神经网络的Lyapunov指数与混沌区域

混沌神经网络有望用于诸如组合优化、信息搜索、模式识别等信息处理中.在Aihara等人依据生物学实验提出的混沌神经网络模型基础上,提出了混沌神经网络的最大Lyapunov指数的一种算法,通过最大Lyapunov指数的计算,研究神经网络的混沌区域以及参数对混沌区域的影响,这对混沌神经网络的混沌特性的研究及其混沌控制是十分有益的.     

具有高阶的Cohen-Grossberg神经网络的反周期解(英文)

考虑了带有变时滞的高阶Cohen-Grossberg神经网络.在一类具有高阶Cohen-Grossberg神经网络反周期解的存在和指数稳定性方面,建立了一些充分条件,这些条件都是新的而且是以前结果的补充.     

带有时间变量和分布时滞的多时间刻度的竞争神经网络的指数稳定

介绍了带有时间变量和分布时滞的竞争神经网络,研究了该网络的指数稳定．利用非光滑分析技术,证明了该系统平衡点的存在唯一性．通过运用分析方法、不等式技术,取得了该系统平衡点的指数稳定．     

基于混沌时间序列的非线性动态系统神经网络建模与预测

在分析神经网络非线性建模原理的基础上，以典型的非线性差分方程为研究对象，提出了一类基于神经网络的非线性动态系统建模方法．针对传统BP算法的局限性，提出了一种非线性动态系统神经网络改善梯度估计精度的新算法．并以上证综合指数时间序列为研究对象，运用本文提出的建模方法和算法，进行了我国资本市场混沌时间序列预测研究的实例分析，得到的单步预测上证综合指数误差很小(-100～100)；多步预测在最初的10步之内预测效果较为理想，而在此之后的预测值则严重偏离真实值．这与混沌时间序列特性相吻合，同时也证明了所用算法的有效性．     

无穷分布时滞神经网络的全局指数稳定性

通过同胚映射的理论和不等式技巧,研究了一类具有无穷分布时滞神经网络的平衡点的存在唯一性。并在此基础上,利用反证法和分析技巧给出了模型平衡点的全局指数稳定性的条件,这种方法与技巧不同于以往的文章。最后给出一个实例来验证理论结果的有效性。     

多氯咔唑化合物热力学性质的神经网络预测

采用取代基片段值P和原子类型电拓扑状态指数Em有效表征了135个多氯咔唑化合物(PCCZs)的分子结构,通过选择变量与神经网络(BP)算法建立定量相关(QSPR)模型,以预测多氯咔唑化合物热力学性质.将选择的P,Em结构参数作为神经网络的输入层变量,热力学性质作为输出层变量,方程均采用5∶13∶1的网络结构,利用BP算法获得了3个令人满意的QSPR模型,它们的总相关系数分别为0.998 6,0.991 1和0.979 5,标准误差分别为2.123,3.237和3.952,利用这3个神经网络模型计算得到的预测值与文献值的相对平均误差分别为0.30%,1.85%和1.14%,表明模型具有良好的稳定性和预测能力.该神经网络模型所得结果优于多元回归方法所得结果,可用于对多氯咔唑化合物性质进行理论分析和预测.     

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.     

具有时变时滞的竞争神经网络在脉冲控制下的同步（英文）

研究了具有时变时滞的竞争神经网络在脉冲控制下的同步问题.通过利用Lyapunov稳定方法和矩阵不等式理论,给出了该系统实现同步的线性矩阵不等式条件.此外,对于具有有界时变时滞的情况,给出了该系统依赖时滞、反馈矩阵和脉冲区间的指数同步条件.     

神经网络法研究硝基含能化合物的撞击感度

为了研究硝基含能化合物的撞击感度与分子结构之间的关系,基于邻接矩阵和空间结构,计算了36个硝基含能化合物的分子连接性指数X和电性拓扑状态指数E,建立了这些分子的撞击感度(lg H50)与1X、2X、4X、5X、E13、E16和E28共7种分子结构参数的定量结构-性质相关性(QSPR)模型。将这7种分子结构参数作为神经网络法的输入神经元,采用7∶2∶1的神经网络结构,建立了预测精度较好的神经网络模型,总相关系数为0.975 5。利用该模型计算得到的撞击感度预测值与其实验值的相对平均误差为4.03%,优于多元回归模型的相对平均误差(9.57%)。预测值与实验值较吻合,表明硝基含能化合物的撞击感度与7种分子结构参数具有非线性关系。     

具变系数和无穷时滞的双向联想记忆神经网络的动力学行为

研究了具有变系数和无穷时滞的双向联想记忆神经网络,通过引入相空间G（R_）×G（R_）和Lyapunov泛函方法,建立了一系列关于解的有界性和全局渐近稳定性的判别准则．对于具有变系数和无穷时滞周期的双向联想记忆神经网络,通过应用周期解存在定理,建立了该系统周期解存在和全局稳定的充分条件．将上述结果应用于自治双向联想记忆神经网络,得到了平衡点的存在性、唯一性和全局渐近稳定性．     

一类具有混合时滞的神经网络的广义射影同步

研究了一类具有混合时滞的神经网络的广义射影同步问题,基于Lyapunov稳定性理论和线性矩阵不等式的结合,给出了神经网络广义射影同步的充分条件。     

带有时滞的神经网络的稳定性

在本文中，我们研究了带时滞的神经网络系统，分析了该系统的稳定状态，获得两个稳定性准则，为神经网络的硬件设计提供了理论依据.     

一维细胞神经网络的完全稳定性分析

运用Lyapunov函数方法,讨论了一维细胞神经网络模型的完全稳定性问题,给出了四组使模型具有完全稳定的充分条件.     

具有比例时滞的细胞神经网络的全局稳定性分析

研究了具有比例时滞的细胞神经网络的平衡点的全局稳定性。通过建立李亚普诺夫函数，得到全局渐进稳定的充分条件。     

k-means-RBF集成神经网络在工业尾气检测中的应用

神经网络是工业尾气检测系统的一个重要组成部分. 为提高神经网络的预测精度和收敛速度, 建立k-means-RBF集成神经网络模型. 首先, 通过选取不同的径向基函数神经网络参数, 得到一组RBF神经网络; 然后, 利用k-means算法对生成的RBF神经网络进行聚类, 并筛选出各类中精度较高的神经网络; 最后, 通过简单平均法对筛选出的神经网络进行集成, 得到高性能的k-means-RBF集成神经网络模型. 为验证模型有效性, 搭建基于k-means-RBF集成神经网络模型的工业尾气检测系统进行验证. 结果表明, 与粒子群算法优化后的Back Propagation (PSO-BP)神经网络模型相比, k-means-RBF集成神经网络模型的平均预测精度提高78.27%, 收敛时间节省99.65%     

线性斜积半流的一致指数稳定性的若干刻画

基于线性斜积半流的定义,引入了Banach空间中该类动力系统一致指数稳定的概念.借助稳定性理论中的Datko型方法,讨论了斜积半流一致指数稳定的特征,建立了其一致指数稳定的若干充要条件.所得结论推广了指数稳定性及指数不稳定性中一些已有的经典结论（如DATKO、ROLEWICZ、MEGAN、BUSE等）.     

巴拿赫空间上斜演化半流的非一致指数不稳定性的存在条件

基于一致指数不稳定的定义,引入了Banach空间中斜演化半流非一致指数不稳定的概念,并用实例阐释了二者的关系.借助于指数稳定性的研究方法,讨论了斜演化半流非一致指数不稳定的特征,建立了其非一致指数不稳定的2个充要条件.所得结论推广了指数稳定性及一致指数不稳定性中的一些已有结果.