具有连续或不连续激活函数的忆阻神经网络的同步控制研究

发布时间：2017-12-15 12:13

  本文关键词：具有连续或不连续激活函数的忆阻神经网络的同步控制研究

  更多相关文章： 忆阻神经网络 函数投影同步 滞后同步 有限时间同步 广义衰减同步 微分包含 非光滑分析

【摘要】：人工神经网络是在现代神经生物学研究基础上发展起来的一种用数学方法模拟人脑信息处理、学习、联想、记忆等特性的计算结构.虽然目前的神经网络能够模拟像蜘蛛,老鼠和猫等动物大脑的计算功能和复杂性,但它还不能像人脑一样精准的调整且方便有效的记忆和存储神经元之间的突触.这是因为在传统神经网络模型中由电阻器的电导模拟生物神经元之间的突触强度,而现有的电阻器没有像生物神经元之间的突触那样具有长期记忆功能.因此,设计一种高速、有效、便捷的人工神经网络无疑具有很大的理论和应用价值.作为继电阻、电容和电感之后的第四种基本电路元件,忆阻器具有纳米级的尺寸、低功耗、出色的存储能力、高耐久性的特点,这些特点使其在大规模集成电路和人工神经网络等方面具有非常出色的应用潜能.本论文将忆阻器天然的信息存储功能和神经网络强大的高速并行处理能力相结合,构建并发展已有的基于忆阻器的神经网络模型,分别提出了具有连续激活函数忆阻神经网络模型和具有不连续激活函数的忆阻神经网络模型.然后基于Filippov解的框架,采用右端不连续微分方程理论和Lyapunov泛函方法对具有不同时滞的忆阻神经网络进行定性分析,研究网络拓扑结构与同步行为的关系,提出行之有效的同步控制策略.最后通过仿真实验和数值模拟,验证了所得理论结果的可行性.全文共分七章:第一章回顾了神经网络和忆阻器的发展历史与研究概况,并介绍了本文所研究的几类忆阻神经网络模型的应用背景及研究现状,提出了本文的研究内容.第二章研究了具有时变时滞的忆阻Cohen Grossberg神经网络的函数投影同步问题.基于右端不连续微分方程理论,通过设计合适的控制器,建立了确保网络实现函数投影同步的判定条件.然后作为一些特殊情况,讨论了忆阻Cohen Grossberg神经网络的完全同步,反同步和稳定化问题.最后,通过数值模拟验证了所得结论的正确性和有效性.第三章研究了具有混合时滞的忆阻神经网络的滞后同步问题.基于右端不连续微分方程理论和非光滑分析理论,通过设计两种不同的混合切换控制器和构造适当的Lyapunov泛函,给出了确保具有混合时滞的忆阻神经网络指数滞后同步的充分条件.最后,通过一个数值模拟验证了所得结论的有效性和可行性.第四章探讨了一类具有时变时滞的忆阻神经网络的有限时间同步问题.通过设计适当的有限时间控制器,并应用右端不连续微分方程理论、不等式技巧和有限时间稳定性理论,给出了一些确保系统有限时间同步的充分条件.此外,对达到同步的有限时间的上界进行了估计.最后,通过一个数值模拟来验证所得结论的有效性和可行性.在第五章中,我们对一类具有不连续激活函数和时变时滞的忆阻神经网络的指数同步问题进行了研究.首先提出了两种不同的不连续控制器,即不连续线性反馈控制器和不连续自适应控制器.然后基于右端不连续的微分包含理论,巧妙地应用Lyaponov泛函方法和不等式技巧,给出保证混沌系统指数同步的一些充分条件.特别地,我们把连续神经网络的同步控制策略扩展到具有不连续激活函数的忆阻神经网络上.最后通过数值模拟验证了所得理论结果的有效性.值得一提的是,我们的研究方法和理论结果在基于具有不连续激活函数和时变时滞的忆阻神经网络的电路设计中具有重要意义.第六章研究了一类具有不连续激活函数和混合时变时滞的忆阻Cohen Grossberg神经网络的广义衰减同步.基于Filippov解和微分包含理论的框架,设计了两种非线性控制器.然后,利用分析方法和构造适当的Lyapunov-Krasovskii泛函,提出了保证系统广义衰减同步的一些充分条件.广义衰减同步包括多项式同步、指数同步和其他同步作为特例.最后通过数值模拟验证了所得理论结果的可行性和有效性.与已有文献相比,在该章中我们一方面消除了要求激活函数有界及单调的假设,另一方面放宽令了对控制输入的严格限制.
【学位授予单位】：新疆大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：TP183;O231

【相似文献】

中国期刊全文数据库 前10条

1 刘彩红;唐万梅;;基于组合神经网络的教师评价模型研究[J];重庆师范大学学报(自然科学版);2008年04期

2 钟义信;;神经网络:成就、问题与前景[J];科学;1992年02期

3 莫恭佑;;神经网络及其在英国的应用[J];国际科技交流;1992年03期

4 闵志;;神经网络:使计算机具有快速学习功能[J];国际科技交流;1992年03期

5 冯建峰,钱敏平;神经网络中的退火——非时齐情形[J];北京大学学报(自然科学版);1993年03期

6 唐功友;离散Hopfield神经网络的稳定性[J];青岛海洋大学学报;1994年S2期

7 靳蕃;;中国神经网络学术大会在西南交通大学隆重召开[J];学术动态报道;1996年04期

8 彭宏,张素;带有时滞的神经网络的稳定性[J];杭州大学学报(自然科学版);1997年04期

9 陈新,孙道恒,黄洪钟;结构分析有限元系统与神经网络[J];起重运输机械;1999年06期

10 成宇;神经网络是怎么搭建的?[J];百科知识;2005年16期

中国重要会议论文全文数据库 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

中国重要报纸全文数据库 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

中国博士学位论文全文数据库 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

中国硕士学位论文全文数据库 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：1291910