三元环状神经网络的稳定性

该文针对一个带自反馈的多时滞环状神经网络系统,在整个参数空间中,分区域系统完整地讨论了系统平凡解稳定与不稳定的条件,并根据正实部特征根个数依参数变动的变化规律,给出了不同参数条件下平凡解的相应最大稳定区域边界,改进和完善了先前的结果.     

三元最值问题的解题策略

<正>最值问题一直是高考的热点,也是难点.一元最值问题主要以函数知识为命题背景,借助导数等函数相关知识进行解题;二元最值问题常以不等式相关知识为命题背景,借助常用不等式解题,也可利用换元思想解题;三元最值是一类背景知识丰富的问题,所以其解法也灵活多样、既有体现数学技巧的,也有通性通法的.此类问题对于学生是个难点,本文借由两道高考题,展开对三元最值问题解题策略的     

一道三元变量问题的思考与探究

近年来,多元变量问题备受命题者的青睐,成为高考考查的重点和难点,这类问题涉及知识面广、综合性强、解法灵活多变,其呈现形式复杂且常考常新,多数学生根本找不到解决问题的切入点,所以很多学生耗时却做不动或者望而却步.如何将多元变量问题转化为学生熟悉的问题就成为解决问题的关键.本文结合相关试题,仅把一类三元变量求取值范围转化为线性规划的问题进行了梳理,供大家参考.     

神经网络中的逼近问题

本文主要讨论径向基神经网络对函数，连续泛函及连续算子的逼近．     

学习向量量化神经网络在判别分析上的应用

神经网络用于判别分析是一个新的研究课题,给出学习向量量化神经网络在判别分析上的应用.计算实例表明,用学习向量量化神经网络用于分类是准确和可靠的.     

与神经网络有关的逼近问题

本文来自神经网络表示能力问题的研究,主要讨论单个函数满足什么条件其所有伸缩和平稳的线组合在某类函数空间稠密。本文结果对于神经网络理论研究具有重要意义。     

神经网络实时求解TLS问题

本文提出一种能实时求解TLS问题的神经网络模型.理论分析和模拟结果证明:网络是稳定的并能在电路时常数数量级内提供与准确的TLS解任意接近的解.此外,无需任何运算就能确定网络参数,因此这种网络非常适合用于TLS实时处理。     

Hopfield神经网络中的数学问题

Ｈｏｐｆｉｅｌｄ人工神经网络和多层网络模型中有许多基本的数学问题，其中，最重要的是存储容量的问题，即吸引子的个数，在以往的文章中，大多数都以概率模型为背景，本文从组合论的角度提供了几个问题，我们把Ｈｏｐｆｉｅｌｄ网络中的状态按连接矩阵所构成的变换分类，网络的容量就是类的个数，我们得出了一些基本结果，还有一些有意义的问题，如多层网络中的结果是否可交换等问题，还有待进一步研究。     

基于学习向量量化神经网络的水环境质量综合评价

针对水环境质量综合评价中指标权重确定方法的不足,利用学习向量量化(LVQ)神经网络具有的强大的非线性运算和相似特征聚类功能,提出一种基于学习向量量化(LVQ)神经网络的水质综合评价决策方法.将它应用于水质综合指标评价,为改进水质综合评价提供了一种简捷的分类评价方法.     

模糊神经网络的一种混合递推学习算法

提出一种新型混合递推学习算法,记为FNRPCL 及FNIGLS,这种算法用来调整模糊神经网络中隶属函数的中心和宽度,以及输出层的连接权值     

基于神经网络的时变非线性系统迭代学习辨识

时变神经网络结构可简单地取为常规神经网络连接形式,但连接权却是时变的.如何确定时变权是应用时变神经网络时的难题.迭代学习方法是一种合理的选择,它不同于将时变连接权展成Taylor级数,通过训练多项式系数的处理方法.而且,后者的处理方式不可避免地存在截断误差.对于有限区间连续时变非线性系统的神经网络建模与辨识,借助于重复运行过程,以迭代学习算法调整权值,进行网络训练.不计逼近误差,提出的学习算法能够使得辨识误差在整个区间上渐近收敛于零.为处理非零但有界的逼近误差,采用带死区的迭代学习算法.逼近误差界值已知时,文中证明带死区修正的迭代学习算法使得辨识误差在整个区间上渐近收敛于由死区界定的邻域内.对于逼近误差界值未知的情形也进行了讨论.     

模糊聚类神经网络的死点问题

提出一种由模糊逻辑神经元网络实现的聚类分析方法,采用了竞争学习作为网络学习算法,它克服了一般竞争学习算法所固有的死点问题,使得聚类分析中始点的选取可以有更大的随意性,这在具体的应用中是很有用的.文中列举了一些有典型意义的实验,充分证实了这种方法的有效性.     

基于XOR和量子傅里叶变换的多量子图像秘密共享方案

安全的图像数据共享是无线网络中一个值得探索的课题.本文提出了一种基于异或(XOR)和量子傅里叶变换的多量子图像秘密共享方案.在共享过程中,首先,通过XOR运算操作对一个量子秘密图像进行预处理;其次,通过哈希函数生成的密钥对这些图像做进一步处理;最后,通过执行量子傅里叶变换(QFT)得到一个共享图像.在恢复阶段,只有当所有参与者都在场时,秘密图像才能被恢复.同时给出了实现该秘密共享方案的量子线路图.实验结果表明,该方法在共享过程和恢复过程中都具有良好的安全性.此外,该方法在共享图像生成和秘密图像恢复方面的计算复杂度较低.     

关于Sigma-Pi神经网络中的逼近问题

研究Ｒ上不连续函数可作为Ｓｉｇｍａ－Ｐｉ神经网络激励函数的条件,给出了Ｒ一局部黎曼可积函数可作为Ｓｉｇｍａ－Ｐｉ神经网络激励函数的特征条件,本文的结果表明：局部黎曼可积函数作为Ｓｉｇｍａ－Ｐｉ神经网络激励函数的特征条件与连续函数时的情形是一致的。     

关于多层前馈神经网络学习能力的一个注记

给出一种通过适当地选择输入层与隐层间的连接权,来减少单隐层前馈型神经网络隐层节点的个数的方法.应用此方法,分析了具有两个隐层节点的标准单隐层网络的学习能力,并对二元和三元XOR问题中的权值的选择问题进行了详细的讨论.     

不确定对象的自学习模糊神经网络控制方法

本文对具有不确定性控制对象提出了一种自学习模糊神经网络控制方法，模糊控制器采用误差，误差变化及误差加速度的加权和解析描述形式，利用人工神经网络直接对过程的建模，实现对模糊加权因子的自学习优化调整。将上述方法用于焊接熔池动态过程控制实实验，结果表明本文提出的自学习模糊神经网络控制方案有效。     

Max—min神经网络的一种有效学习算法

本文在Ａ．Ｂｌａｎｃｏ等人的算法的基础上，提出了ｍａｘ－ｍｉｎ神经网络的一种改进了的反馈学习算法，严格证明了该算法的迭代收敛性，理论分析及实例计算结果均表明，本文算法具有算法简单，收敛速度快，输出误差小等显著特点。     

一个解决线性互补问题的新型神经网络

本文构造了一个新型的解决线性互补问题的神经网络,不同于那些运用罚函数和拉格朗日函数的神经网络,它的结构简单,易于计算,我们证明了该神经网络的全局收敛性和稳定性,并给出数值实验检验其有效性。     

时间离散Hopfield神经网络系统的若干问题

如果一个Ｈｏｐｆｉｅｌｄ神经网络系统是时间离散,状态连续的,就 为时间离散的ＨＮＮＳ,对这种系统,如果在它的算子的作用下,状态的能量函数具有固定的增,减趋势,那私就称之为单向的ＴＤ－ＨＮＮＳ。     

一种新的概率神经网络有监督学习算法

提出一种新的PNN有监督学习算法:用学习矢量量化对各类训练样本进行聚类,对平滑参数σ和距离各类模式中心最近的聚类点构造区域,并采用遗传算法在构造的区域内训练网络,实验表明:该算法在分类效果上优于其它PNN学习算法。