变时滞随机模糊细胞神经网络稳定性分析

本文旨在研究一类带变时滞的随机模糊细胞神经网络的稳定性.通过构造恰当的Lyapunov泛函并运用线性矩阵不等式（LMI）理论，作者给出了保证这类神经网络全局渐近稳定的充分条件.本文推导出两个定理：一个用以判定文中模型的全局渐进稳定性，一个用以判定该模型在均方意义下的全局渐近稳定性.     

具有分布时滞的双向联想记忆脉冲神经网络的全局指数稳定性

讨论了一类具有Cohen-Grossberg动力和分布时滞的脉冲型双向联想记忆神经网络的全局指数稳定性.利用矩阵理论和同伦映射,构造了恰当的李亚普诺夫泛函,获得了这种类型神经网络平衡点的存在性和唯一性定理,并得到了这种平衡点为全局指数稳定的充分条件.所获结论推广了Hopfield、BAM和Cohen-Grossberg等神经网络模型的相关结论.     

多组耦合随机模型的稳定性（英文）

研究了多组耦合随机模型的稳定性.利用图论和Lyapunov函数法,通过一种新的方法,给出了多组耦合随机模型的全局指数稳定性的充分条件.不需要解决任何线性矩阵不等式且所得的结论易验证.     

具连续分布时滞细胞神经网络的指数稳定性

利用Cramer法则和Brouwer不动点定理,通过构造适当的Lyapunov泛函并结合矩阵形式的Halanay微分不等式分析技巧,研究了一类具有连续分布时滞的细胞神经网络模型的动力学性质,获得了该模型的平衡点的存在性和全局指数稳定性的充分条件.改进和推广了已有文献的结论.这些结果对设计全局指数稳定的细胞神经网络具有重要的指导意义.     

具有分布时滞耦合神经网络模型的全局同步性分析

本文研究了具分布时滞的神经网络的全局同步性.通过应用Lyapunov泛函和线性矩阵不等式,获得了关于模型全局同步性的几个判定准则,并通过对相关例子进行了数值的仿真,模拟结果与理论分析吻合.     

带脉冲的变耦合时滞神经网络的同步

主要讨论一类带脉冲的变耦合时滞神经网络的同步问题.通过构造Lyapunov-Krasovskii泛函,运用线性矩阵不等式(LMI)技术并结合Kronecker积来获得耦合神经网络全局同步的充分性判据,并且所获得的判据依赖于时滞.由于这样得到的判据是LMI形式,因此,可以由数学软件MATLAB的LMI工具箱对所获得的判据进行有效的验证.同时,对细胞激活函数做了更为一般的假设,从而使结论在LMI下可以减少保守性.     

具有脉冲影响的模糊反应扩散细胞神经网络指数同步

研究了具有混合时滞与脉冲影响的模糊反应扩散细胞神经网络的全局指数同步问题.通过构造恰当的Lyapunov 泛函并利用一些不等式分析技巧,得到了基于p 范数的耦合神经网络系统全局指数同步条件.通过对所得 结果的分析可发现较大的扩散系数更有利于系统实现同步.     

具有leakage时滞的随机T-S模糊神经网络的稳定性

研究了一类具有leakage时滞的随机T-S模糊神经网络的稳定性,通过构造一个新的Lyapunov-Krasovskii泛函,并应用It公式、随机不等式技术,得到了基于线性矩阵不等式（LMI）的均方意义下的全局稳定性判定条件.     

高阶时滞神经网络模型的全局指数稳定性

对具有时滞的二阶Hopfield型神经网络平衡点的全局渐近稳定性问题进行了研究.在不要求连接权矩阵的对称性和输入输出函数的可微性与单调性,只要求系统的参数满足是一个M矩阵的情况下,利用推广的Hanalay不等式和上右导数导得系统全局指数稳定性的若干充分条件.为二阶时滞神经网络稳定性的新方法、新结论.     

基于BP神经网络对苹果呼吸强度的预测

应用BP神经网络,通过苹果贮藏期间多维数据与呼吸强度的相关分析确定网络的拓扑结构,建立苹果呼吸强度的人工神经网络模型.仿真结果表明,该神经网络能很好地拟合不同贮藏条件下的呼吸强度,模型预测精度达到90%以上.同时,通过遗传算法优化BP神经网络的初始权值和阈值矩阵,使神经网络的预测精度进一步提高.     

叶尔羌河年径流预测模型研究与应用

为提高叶尔羌河中长期径流预测精度,基于小波分析的基础上建立遗传算法优化BP神经网络的耦合模型,对60年叶尔羌河年径流时间序列进行研究。结果表明:耦合模型综合了两者的优势,在保留神经网络优良非线性拟合能力的同时,又融入遗传算法的容错性和全局搜索能力,提高预测径流时的学习速度和泛化能力。在对年径流进行预测时,其预测平均误差为-2.69%,而采用传统单纯的BP神经网络模型预测的平均误差为-10.25%。从预测误差检验以及模型的对比结果可知此模型合理、可行,因此该算法有助于解决叶尔羌河中长期径流预测问题。     

具一般输出函数的时滞细胞神经网络的指数稳定性

讨论了具有一般输出函数的时滞细胞神经网络模型的全局指数稳定性,给出了一个使模型具有惟一的全局指数稳定的平衡点的充分条件,这一结果包含已有文献中的许多结果作为特例.     

基于ARIMA和GA-Elman神经网络的新疆年降水耦合预测研究

[目的]提高降水预报的预测精度,准确预测一个地区未来的降水量,可以提高该地区防灾减灾的能力,更好地为工农业生产生活提供决策参考.[方法]以年降水时间序列为研究对象,利用差分自回归移动平均(ARIMA)和GA-Elman神经网络技术建立一种耦合预测模型.该模型首先根据年降水时间序列建立ARIMA模型,拟合它的线性结构部分,基于原始降水序列和ARIMA模型的预测值、残差序列,利用GA-Elman神经网络技术进行耦合建模.将该模型应用于新疆年降水量的预测预报,并与单一的ARIMA模型、GA-Elman神经网络模型进行比较.[结果]耦合模型的归一化均方误差、平均绝对误差、后验差比值及小误差概率分别为0.287,9.581,0.241和1,均优于ARIMA模型、GA-Elman神经网络模型,预测精度得到了明显的提高,预测精度等级为好.[结论]基于ARIMA和GA-Elman神经网络的耦合预测模型具有更高的预测精度,可用于新疆的年降水量预报.     

具混合变时滞和脉冲效应的中立型神经网络全局指数稳定性

研究了含混合时滞和脉冲效应的神经网络的指数稳定性问题,获得了该模型全局指数稳定的一个新的充分条件。和已有文献的结果相比较,系统的保守性降低,所得结论对更好的模拟细胞神经网络的行为具有重要的指导意义。     

基于智能预报模型的年径流量预报研究

基于遗传算法的模糊优选BP网络模型,即智能预报模型,吸取了模糊集、神经网络、遗传算法各自独特的优点.本文应用智能预报模型对新疆雅马渡站年径流量进行预报.结果表明,该模型既能合理地构造神经网络的拓扑结构,又可加快网络的收敛速度,并能改善网络的全局寻优能力.     

基于粒子群优化的BP网络模型在旱涝预测中的应用

旱涝预测为旱涝灾害防御措施的研究提供重要的依据.运用PSO优化的BP神经网络建立了旱涝预测模型.PSO优化的BP神经网络既发挥了BP神经网络在预测领域的优点,同时又结合了PSO算法全局搜索能力强、收敛速度快等特点进行预测.预测结果表明:辽宁省本溪地区11年实测数据对PSO优化的BP神经网络模型进行验证,PSO优化的BP神经网络模型的预测结果明显好于未经优化的,模型精度得到了一定程度的提高,能满足本溪地区旱涝预测的实际需要.     

四轮车辆隔振系统的传递矩阵

以四轮运输车辆为模型，建立了车辆４点随机激励的耦合与非耦合振动方程，导出了非耦合条件下四轮车辆隔振系统的传递矩阵。利用本文结果，可对车辆振动系统的频率特性和结构参数作进一步的研究。     

灰色神经网络耦合模型在加矾系统预测中的应用

为更准确预测自来水厂的加矾量,弥补灰色GM(1,1)预测模型和神经网络预测模型在自动加矾系统中预测的不足,采用灰色GM(1,1)预测模型和BP神经网络预测模型相结合的方法,即灰色神经网络耦合模型,并运用于自来水厂自动加矾系统,根据实测数据计算预测值.结果表明:灰色GM(1,1)模型平均相对误差为0.016％,最大相差为0.025％,BP神经网络模型平均相对误差为0.037％,最大相差为0.069％,灰色神经网络耦合模型的平均相对误差0.006％,最大相差0.009％,其模拟精度远远高于其他2种模型的模拟值,具有广泛的实用性.     

矩阵特征值和特征向量的常微分方程数值解法研究

介绍了矩阵的特征值与特征向量以及常微分方程的相关概念,利用神经网络方法建立了求解矩阵特征值和特征向量的神经网络模型,并运用常微分方程数值解法——四阶龙格-库塔方法进行了求解,分析了矩阵特征值与特征向量的计算与常微分方程数值解之间的关系。     

基于农业生产条件的河南粮食产量组合模型研究

通过对1990～2007年河南粮食产量的分析,在影响粮食产量的诸多因素中选出农业生产条件等8个主要影响因素。基于粮食生产系统的复杂性,建立偏最小二乘回归与BP神经网络耦合模型。偏最小二乘法通过对自变量中的信息进行组合和提取,有效克服变量之间的多重相关性问题,实现了对高维数据的降维处理,同时降低了神经网络的输入维数,提高了网络的学习效率和稳健性,从而充分利用了2类现代建模方法的优点。结果表明,偏最小二乘神经网络耦合模型研究河南粮食产量的拟合精度和预测精度都比较理想。