神经网络的Hopfield异步动力学模型及其应用

本阐述了Hopfield异步动力学模型及其马氏链描述,并引入了能量函数概念,给出网络稳定性判据。通过学习规则,训练网络,使其实现联想记忆,给出一实例进行模拟计算并给出结果。     

Hopfield型模型的收敛性

本文考虑Ｈｏｐｆｉｅｌｄ型模型的收敛性问题和吸引子的吸引域的刻画。证明了Ｎ＜＋∞与Ｎ＝＋∞时Ｈｏｐｆｉｅｌｄ模型在几乎处处的意义下收敛于吸引集。当Ｎ＜＋∞时，模型将在有限时间内稳定于某一吸引子上．对于Ｎ＜＋∞与Ｎ＝＋ ∞的情形，分别得到了吸引域的一个集的刻画。     

BP模式识别与Hopfield联想记忆识别能力的比较

神经网络可以进行模式识别,这一功能具有很高的实用价值.主要研究BP神经网络和离散Hopfield神经网络的识别能力.BP网络是前向神经网络,使用的是监督式学习规则.离散Hopfield是一种反馈网络,结构上输入、输出节点相连使得网络系统的输出状态具有动态变化特性.就数字,字母,手写体数字比较了BP网络和离散Hopfield网络的识别能力,得到了可观的结论,对两个网络的应用做更进一步的阐述.     

Hopfield神经网络的稳定性及其在投资组合中的应用

在取消了神经元之间的连接权系数对称限制的基础上 ,讨论了 Hopfield神经网络的稳定性 ,得到了一些有益结论 .并将其应用于 Hopfield神经网络算法的改进上 .进而依据改进的算法以有价证券的选择为例进行了随机模拟 ,取得了令人满意的结果 .     

随机Hopfield神经网络的稳定性

本文讨论了随机Hop fie ld神经网络的稳定性和不稳定性,给出了几乎指数稳定性和几乎指数不稳定性判定条件。     

Hopfield型神经网络的稳定性

本文给出了 Hopfield 型神经网络平衡态稳定性的一系列判别准则,讨论了其平衡态的存在唯一性.     

时滞Hopfield神经网络模型渐进稳定性的新准则

在不考虑激励函数有界,可微和单调的情况下,利用Lyapunov泛函方法,得到了时滞Hopfield神经网络模型的平衡点存在性和全局渐近稳定性的新准则.研究结果改进和推广了以前相关文献的结果.     

肿瘤潜隐期的二阶段模型（Ⅰ）—非齐性Markov模型

本文分别用时间离散的Ｍａｒｋｏｖ链和时间连续的Ｍａｒｋｏｖ过程研究了具有时变伴随变量的肿瘤潜隐期二阶段模型，直接将转移概率矩阵作乘法型参数化，利用极大似然和似然比对参数作估计和检验。作为实例，应用于江西省靖安县１２年６轮宫颈癌筛查资料。     

Hopfield神经网络的周期解存在性及其全局吸引性

利用重合度理论和微分不等式分析等技巧，给出了Hopfield神经网络周期解存在性及其全局吸引性的判别准则。     

时滞Hopfield神经网络的全局指数稳定性

讨论带有可变时滞的Hopfield神经网络的全局指数稳定性.在非线性激励函数满足Lipschitz条件的假设下,利用推广的Halanay不等式,Dini导数和分析技巧,建立了这类神经网络系统全局指数稳定的几个判别准则.这些判别准则仅仅依赖于系统的参数.     

二阶Hopfield神经网络周期解的存在性

本文讨论了一类带有时滞的二阶Hopfield神经网络周期解的存在性问题。首先利用Brouwer不动点定理证明了平衡点的存在性,通过平衡点和拉格朗日中值定理,将高阶神经网络模型转换为一阶模型,然后利用重合度理论给出了周期解存在的充分条件。     

广义时滞Hopfield型神经网络系统的平稳周期振荡

本文利用重合度理论和 V-泛函研究了一类具有周期输入的广义时滞 Hopfield型连续神经网络系统的平稳周期振荡问题 ,得到了其周期解存在、唯一和全局吸引的充分条件 .     

含脉冲的Hopfield神经网络的全局指数稳定性

研究了一类含脉冲的Hopfield神经网络的全局指数稳定性.利用同胚映射理论、Lyapunov函数思想和不等式技巧,给出了平衡点的存在唯一性和全局指数稳定性的新的判别准则.     

变时滞Hopfield神经网络的全局指数稳定性

本文研究了一类具有变时滞Hopfield神经网络的稳定性问题.利用时滞微分不等式方法,获得了几个关于该网络的全局指数稳定性与时滞无关的充分条件,并且给出了此类网络的收敛指数的估计,推广了已知文献的结果.最后给出数值例子证明结论的有效性.     

变时滞Hopfield神经网络的周期解存在性及其全局指数稳定性

利用拓扑度理论中的连续性引理和推广Halanay不等式研究了变时滞的细胞神经网络的周期解的存在性及全局指数稳定性.给出了判别周期解及指数稳定性的代数判据,所得判据易于检验,具有广泛的实用性．同时,改进了已有文献的相关结论,最后通过数值例子说明结论的有效性．     

含状态转换的Copula模型及其应用

Copula在金融资产风险分析中被广泛应用,本文考虑了一种含状态转换的Copula模型。该模型的特点是,Copula函数在一个状态内是固定的,在不同状态之间的转移过程是一个不可观测的马氏链。其不同的状态可以用来描述金融资产相关性的波动。我们运用该模型对我国股票市场进行了实证研究,结果表明该模型可以更好地衡量其相关性模式。     

隐Markov模型的强马氏性

引入隐Markov模型强马氏性的概念,并进一步研究了隐Markov模型在强马氏性方面的一些性质.     

随机分布参数型Hopfield时滞神经网络的稳定性

基于随机Fubini定理,利用关于空间变量平均的Lyapunov函数与Ito公式,研究了具时滞的分布参数型随机Hopfield神经网络的稳定性与镇定,获得了若干充分条件．     

具有变时滞脉冲效应的Hopfield神经网络的全局指数稳定性

研究了一类新的具有脉冲的时滞Hopfield神经网络系统模型,引入了新的脉冲条件,在不假设激励函数的可微性、单调性的条件下,得到了系统平衡点的存在性、唯一性及全局指数稳定性的充分条件和指数收敛速率,且所得结果改进了一些已知文献的结论.