神经网络的状态控制参数优化问题研究

发布时间：2021-08-27 02:24

　　研究主要基于竞争神经网络模型.在相同的模型中,不同的参数会使得研究内容和方法完全不同,因此本文研究内容分为两个部分.在证明各自系统稳定性的前提下,分别针对控制协议和激活函数的参数进行了优化.两者存在一个递进关系,在一个固定模型达到同步之后,针对实际情况,结合忆阻器概念,构造出随状态变量跳变的模型.本文提出了一个优化算法——局部搜索算法,参考现代控制论的内容,给出不同的能量耗散函数,达到最优化效果.最终通过数学实验证明了提出理论的有效性.具体的研究内容如下:（1）研究基于时变时延竞争神经网络的最优状态估计器的设计问题.通过创造新的李雅普诺夫函数,利用LMI、自由权矩阵方法以及不等式放缩等技巧,构造出一个稳定性的充分条件,来保证采样系统估计量的存在.通过MATLAB数学仿真实验验证一个数值实例,来证明理论的可行性和有效性.在此基础之上,通过对控制器的调整,使用局部搜索算法找到多个数值仿真实例.通过对既定能量耗散函数的计算,得到一个最优控制器,该控制器耗能最少.综上所述,本章对神经网络,竞争神经网络,时变时延,状态控制,最优化等问题以及他们之间的关系有一个较为完善的理解,并且能够充分应用前人... 

【文章来源】：江南大学江苏省 211工程院校 教育部直属院校

【文章页数】：41 页

【学位级别】：硕士

【部分图文】：

能量函数柱状图

江南大学硕士学位论文16表1：优化结果图图5:能量函数柱状图图6:扩充控制器组布尔值分析表和上面的图像.通过局部搜索算法得到了80组控制器，其中36组经过LMI测试可以使系统稳定.在图6中，布尔值为1的控制器为可行解.在图5中，重新编号可行解，并绘制相应的能耗条形图.性能指标值对应的初始控制器为1.83，在初始可行解组中得到.而最优控制器对应的性能指标函数值仅为1.58(组:36)，优化效率达到13.57%.2.7几个说明说明1:为了降低定理1的保守性，采用了自由加权矩阵法.为避免解LMI时出现逻辑错误，本文将自由矩阵设为P1，P2.

江南大学硕士学位论文263.4数值仿真考虑一个二维的忆阻竞争神经网络：3()=333()+33,3()-3,3()-+333()5()=355()+53(5())5(5())+535()3()=333()+33,3()-3,3()- 5()=355()+53(5())5(5()) {3()=53{3()+35,{3()-3,{3()-+353(){5()=55{5()+55,{5()-5({5()))+555()3()=533()+35,{3()-3,{3()- 5()=555()+55,{5()-5,{5()- 仿真结果如下图：图7-图10.图7:神经元细胞x及其估计量的状态图图8:突触细胞S及其估计量的状态图


本文编号：3365455