具有方差约束的离散时变递归神经网络H ∞ 状态估计

发布时间：2021-02-22 06:09

　　众所周知,人工神经网络是根据人脑中神经细胞结构和功能模拟出来的信息处理系统,具有较强的联想能力、自适应性和容错能力等优势,这类系统能高效地解决模式识别、信号处理和图像处理中的诸多实际问题。然而,在实际应用过程中,神经元的信息往往是不完全可测的。为了知晓递归神经网络内部运行状态、掌握可靠的网络状态信息,对神经元内部状态进行有效估计具有重要的理论和现实意义。本文主要针对几类时变递归神经网络系统,基于Lyapunov理论以及随机分析方法,提出方差约束下H_∞状态估计方法。具体工作如下:1. 解决一类具有随机发生非线性的离散时变递归神经网络的H_∞状态估计问题。这里,采用服从Bernoulli分布的随机变量刻画随机发生非线性现象。首先,设计出一种新型的时变状态估计器。其次,利用随机分析方法,得到增广系统同时满足误差协方差有上界和给定的H_∞性能要求的充分条件,并提出一种新的状态估计方法。最后,通过仿真算例验证所提出的方差约束H_∞状态估计方法的有效性。2. 研究一类具有随机发生非线性和测量丢失的离散时变递归神经网络... 

【文章来源】：哈尔滨理工大学黑龙江省

【文章页数】：93 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 本课题的研究目的和理论意义
        1.1.1 课题来源
        1.1.2 研究目的及意义
    1.2 国内外研究现状
        1.2.1 离散递归神经网络研究现状
∞状态估计研究现状">        1.2.2 神经网络H_∞状态估计研究现状
        1.2.3 神经网络非脆弱状态估计研究现状
    1.3 网络化环境下离散递归神经网络状态估计研究现状
        1.3.1 测量丢失
        1.3.2 衰减测量
        1.3.3 事件触发
        1.3.4 传感器饱和
    1.4 本文主要研究内容
∞状态估计">第2章 具有随机发生非线性的递归神经网络H_∞状态估计
    2.1 问题描述
∞状态估计方法设计">    2.2 方差约束下H_∞状态估计方法设计
    2.3 数值仿真
    2.4 本章小结
∞状态估计">第3章 具有随机发生非线性和测量丢失的递归神经网络弹性H_∞状态估计
    3.1 弹性状态估计器设计
∞状态估计算法设计">    3.2 方差约束下弹性H_∞状态估计算法设计
    3.3 数值仿真
    3.4 本章小结
∞状态估计">第4章 具有随机发生饱和的递归神经网络弹性H_∞状态估计
∞状态估计器设计">    4.1 具有随机发生饱和的弹性H_∞状态估计器设计
∞状态估计方法设计">    4.2 方差约束下弹性H_∞状态估计方法设计
    4.3 数值仿真
    4.4 本章小结
∞状态估计">第5章 具有衰减测量的递归神经网络的事件触发H_∞状态估计
    5.1 模型描述与状态估计器设计
∞状态估计方法">    5.2 衰减测量影响下的H_∞状态估计方法
    5.3 数值仿真
    5.4 本章小结
结论
参考文献
攻读学位期间发表的学术论文
致谢


【参考文献】：
博士论文
[1]递归神经网络的动力学行为分析[D]. 王芬.武汉科技大学 2011
[2]几类递归神经网络的稳定性及其应用研究[D]. 张锐.东北大学 2010



本文编号：3045560