具有脉冲效应的耦合反应扩散神经网络的无源性与同步
本文关键词: 耦合反应扩散神经网络 无源性 同步 时变时滞 脉冲控制 出处:《天津工业大学》2017年硕士论文 论文类型:学位论文
【摘要】:近年来,由于脉冲控制技术较低的控制成本,己经被广泛地应用于复杂网络的同步控制问题。显然,利用脉冲控制方法研究耦合反应扩散神经网络的同步问题也是非常有意义的。不幸的是,目前这方面的研究结果还非常少。另一方面,由于无源性可以使系统保持内部稳定,已经被应用于许多不同的领域,如信号处理、稳定性、复杂性、混沌控制与同步、模糊控制等。据我们所知,目前具有脉冲效应的耦合反应扩散神经网络的无源性还没有被考虑过。因此,本文分别研究了具有脉冲效应的耦合反应扩散神经网络的无源性问题以及耦合反应扩散神经网络的脉冲控制同步,其主要如下:1.具有脉冲效应的耦合反应扩散神经网络的无源性通过构造合适的李雅普诺夫泛函,利用矩阵论、图论以及一些不等式技术,我们分别建立了一些含时变时滞和不含时变时滞的脉冲型耦合反应扩散神经网络的输入、输出严格无源性的准则。最后,通过两个数值例子验证了所得到的具有脉冲效应的耦合反应扩散神经网络的无源性条件的正确性。2.耦合反应扩散神经网络的脉冲控制同步利用李雅普诺夫泛函方法、脉冲时滞微分不等式以及比较原理等方法和技术,我们建立了若干保证耦合反应扩散神经网络的全局指数同步准则。此外,我们还估计了指数收敛率,发现其依赖于时滞、系统参数和脉冲间隔。最后,我们通过数值例子说明了理论结果的正确性和有效性。
[Abstract]:In recent years, pulse control technology has been widely used in the synchronization control of complex networks due to its low control cost. It is also very meaningful to study the synchronization problem of coupled reaction diffusion neural networks by using pulse control method. Unfortunately, there are very few results in this field at present. On the other hand. As passive systems can keep internal stability, they have been used in many different fields, such as signal processing, stability, complexity, chaos control and synchronization, fuzzy control and so on. At present, the passivity of coupled reactive diffusion neural networks with pulse effect has not been considered. In this paper, the passive problem of coupled reactive diffusion neural networks with impulsive effect and pulse control synchronization of coupled reactive diffusion neural networks are studied respectively. The main results are as follows: 1. The passivity of coupled reaction-diffusion neural networks with impulsive effects by constructing appropriate Lyapunov Functionals, using matrix theory, graph theory and some inequality techniques. We establish some input and output criteria of impulsive coupled reaction-diffusion neural networks with and without time-varying delays respectively. Finally. Two numerical examples are given to verify the correctness of the passive condition of coupled reaction diffusion neural network with pulse effect. 2. Pulse control of coupled reaction diffusion neural network synchronizes the use of Lyapunov pan. Functional method. Some global exponential synchronization criteria for coupled reaction-diffusion neural networks are established by means of impulsive delay differential inequalities and comparison principles. In addition, we estimate the exponential convergence rate. It is found that it depends on time delay, system parameters and impulsive intervals. Finally, we demonstrate the correctness and validity of the theoretical results by numerical examples.
【学位授予单位】:天津工业大学
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:TP183
【相似文献】
相关期刊论文 前10条
1 杨晓帅 ,付玫;神经网络技术让管理更轻松[J];软件世界;2000年11期
2 云中客;新的神经网络来自于仿生学[J];物理;2001年10期
3 唐春明,高协平;进化神经网络的研究进展[J];系统工程与电子技术;2001年10期
4 李智;一种基于神经网络的煤炭调运优化方法[J];长沙铁道学院学报;2003年02期
5 程科,王士同,杨静宇;新型模糊形态神经网络及其应用研究[J];计算机工程与应用;2004年21期
6 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期
7 周丽晖;从统计角度看神经网络[J];统计教育;2005年06期
8 赵奇 ,刘开第 ,庞彦军;灰色补偿神经网络及其应用研究[J];微计算机信息;2005年14期
9 袁婷;;神经网络在股票市场预测中的应用[J];软件导刊;2006年05期
10 尚晋;杨有;;从神经网络的过去谈科学发展观[J];重庆三峡学院学报;2006年03期
相关会议论文 前10条
1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年
2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集(上册)[C];2003年
3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年
4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年
9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
相关重要报纸文章 前10条
1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年
2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年
3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年
4 中国科技大学计算机系 邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年
5 记者 孙刚;“神经网络”:打开复杂工艺“黑箱”[N];解放日报;2007年
6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年
7 健康时报特约记者 张献怀;干细胞移植:修复受损的神经网络[N];健康时报;2006年
8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年
9 ;神经网络和模糊逻辑[N];世界金属导报;2002年
10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年
相关博士学位论文 前10条
1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年
2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年
3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年
4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年
5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年
6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年
7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年
8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年
9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年
10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年
相关硕士学位论文 前10条
1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年
2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年
3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年
4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年
5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年
6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年
7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年
8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年
9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年
10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年
,本文编号:1476166
本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/1476166.html