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.     

具有变时滞的脉冲细胞神经网络的指数稳定性

研究了带有脉冲影响的变时滞细胞神经网络的指数稳定性,利用李雅普诺夫函数和Young不等式,得到了神经网络指数稳定的充分条件。最后给出数值实例来验证理论结果的正确性和有效性。     

具中立变时滞的模糊细胞神经网络概周期解的存在性和全局指数稳定性

通过使用不动点定理和微分不等式技巧,研究了具有中立时变时滞的模糊细胞神经网路,得到了几个关于概周期解的存在性、唯一性和全局指数稳定性的新的充分性条件.     

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。     

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。     

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.     

具有时滞的浮游植物与营养模型的动力学行为分析

考虑了具有营养循环的无时滞及有时滞浮游植物及营养模型。考虑的模型具有一般的营养摄取的反应函数与浮游植物成长反应函数。文章研究了模型的边界平衡点的全局稳定性及正平衡点的存在性与一致稳定性。最后利用数值模拟进一步说明模型的动力学行为。     

间歇控制下时滞竞争神经网络指数同步探究

本文主要讨论了间歇控制下时滞竞争神经网络的指数同步问题. 利用微分不等式分析方法与Lyapunov 函数法,给出了同时满足大时滞与小时滞竞争神经网络的全局指数同步的充分性条件,并建立了相应的判别准则. 最后,设计了一个数值实验,通过仿真实例验证了所提出理论的正确性和有效性.     

一类离散SIRS传染病模型的Lyapunov函数

研究了两类离散SIRS传染病动力学模型.得到了无病平衡点和地方病平衡点的全局稳定性.通过归纳法得到了解的正性与有界性,并构造适当的离散的Lyapunov函数,得到无病平衡点和地方病平衡点的全局渐近稳定性的判别准则,且平衡点的全局稳定性由阈值来完全决定.     

遗传BP神经网络在PID控制器中的应用

提出了一种基于遗传BP神经网络的自整定PID控制器的设计方法．利用遗传算法搜索出一组准优的PID参数,作为PID控制器参数的初值,在利用BP神经网络具有逼近任意非线形函数的能力,在线调整PID参数,以确保系统的响应具有最优的动态和稳态性能．计算机仿真结果表明,这种控制算法鲁棒性强,响应速度快,可用于控制不同的对象和过程．     

基于混合遗传算法优化的MLP神经网络的调制方式识别

提出了一种基于遗传算法与多层感知神经网络的调制识别方法,运用改进遗传算法优化的多层感知神经网络分类器对各种调制信号的特征矢量进行分类识别.利用遗传算法的高效全局特性,克服了传统BP算法易于陷入局部最优解的缺点,同时在遗传算法基础上增加梯度下降算子,加快了收敛速度,使得分类器的识别率、收敛速度和鲁棒性得到明显改善,仿真实验的结果证明了此方法的有效性和可行性.     

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%     

求解二次规划问题的神经网络方法

根据人工神经网络的基本优化机理,提出了一种基于Lagrange函数的适合于求解二次规划问题的神经网络模型,研究了该神经网络的稳定性和收敛性,探讨了提高网络优化计算效率的神经优化策略,仿真结果证明了该神经网络能有效地求解二次规划问题。     

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。     

混沌神经网络的延时反馈控制

提出了一种适合于混沌神经网络的混沌控制方法,延时反馈控制方法,其目的是将混沌神经网络的丰富动力学特性应用于联想记忆、信息检索、组合优化、模式识别、数据压缩等智能信息处理中.利用本文提出的控制方法,对混沌神经网络进行控制,被控网络能收敛于与初始状态相关的记忆模式和反相模式的二周期状态上,从而实现了记忆搜索、模式识别的功能.     

细胞神经网络环境下偏微分方程的求解

在探索细胞神经网络新的应用时，由于低端硬件模拟非常昂贵，不可避免要使用行为仿真器．基于波数字滤波原理，本文提出了细胞神经网络的一个数字模型．将此模型用于求解泊松方程，取得满意结果．在所提的方案中，方程的解信息来自细胞的状态而非输出     

具有分布时滞的中立型神经网络周期解的存在性

运用k-集合压缩算子的抽象连续定理,研究了一类具有分布时滞的中立型细胞神经网络,得到了该类神经网络存在周期解的充分条件.     

判定离散Hopfield神经网络稳定性的新方法

寻求判断离散Hofield神经网络稳定性的新判据。具体考虑神经元的权值矩阵元素和阀值之间的关系，依此判断能量函数的收敛性，得到了一个与阀值无关、不需权值矩阵对称的新判据；在新判据的基础上作出数学变形和分析，并用线性方程的解去刻划稳定点的存在性，得到了稳定点存在的一个充要条件。最后将离散Hopfield神经网络的稳定点存在问题转化为在有限区域内连续函数的零点解的问题。