时滞离散递归神经网络稳定性及同步控制研究

发布时间：2024-01-25 15:58

　　在过去的数十年中,人工神经网络在模式识别、信号处理、联想记忆、静态图像处理以及组合优化方面得到了广泛应用从而吸引了众多科研人员进行研究。众所周知,稳定是前面所述工程应用的前提条件,而时滞,不确定性和随机干扰是导致神经网络不稳定的三大主要原因。在利用大规模集成电路实现人工神经网络的过程中由于有限的信息处理速度和电子元器件参数的波动自然会引入时滞和不确定性。另外,随机干扰是无处不在的。因此,带有时滞和不确定性的随机神经网络稳定性分析具有重要意义。过去的十年中,时滞神经网络的主-从同步问题由于其在化学、生物学、密码学以及保密通信方面的潜在应用引起人们广泛的兴趣。到目前为止,许多方法被用于时滞神经网络主从同步,例如模糊控制、脉冲控制、自适应控制、时滞反馈控制、数据采样控制等等。现有大多数文献的研究对象是连续时间神经网络主-从系统模型。在当今数字化时代,在神经网络的实现和应用方面,由于数字计算机的广泛应用,研究离散时间神经网络的同步问题有着更现实的意义和重要性。本文主要研究的是时变时滞离散递归神经网络的稳定性和同步控制。同步控制器的设计采用的是时滞反馈的设计方法。具体的研究成果及创新点如下:(1...

【文章页数】：112 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
缩写、符号清单、术语表
1 绪论
    1.1 研究的背景及意义
    1.2 人工神经网络的发展历史
    1.3 时滞对递归神经网络的影响以及时滞递归神经网络的研究现状
        1.3.1 时滞递归神经网络稳定性的研究现状
        1.3.2 时滞递归神经网络同步的研究现状
    1.4 预备知识
        1.4.1 非线性离散系统Lyapunov稳定性理论
        1.4.2 相关引理
    1.5 本文的主要研究内容及安排
2 时滞离散递归神经网络稳定条件及鲁棒性分析
    2.1 时滞离散递归神经网络模型
    2.2 渐近稳定性及鲁棒性分析
    2.3 鲁棒性仿真分析
    2.4 本章小结
3 带干扰和丢包的时滞离散递归神经网络均方渐近同步控制
    3.1 主-从系统模型及控制器设计
    3.2 主-从系统同步条件及鲁棒性分析
    3.3 系统同步及鲁棒性仿真分析
    3.4 本章小结
4 时滞离散递归神经网络同步控制和非线性控制器设计
    4.1 主-从系统模型及非线性控制器设计
    4.2 主-从系统均方渐近同步条件及鲁棒分析
    4.3 控制器求解及仿真分析
    4.4 本章小结
5 时滞离散递归神经网络同步控制的重用策略
    5.1 主-从系统模型及基于重用策略的控制器设计
    5.2 主-从系统渐近同步条件
    5.3 控制器增益矩阵的计算
    5.4 主-从系统同步仿真分析及重用策略效果验证
    5.5 本章小结
6 总结与展望
参考文献
致谢
发表文章目录



本文编号：3885117