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.     

带脉冲和时滞的时标双向联想记忆Cohen-Grossberg神经网络的稳定性分析(英文)

讨论了一类带脉冲和时滞的含有可变系数的时标双向联想记忆Cohen-Grossberg神经网络的稳定性.利用Lyapunov泛函和Halanay不等式,获得了这类神经网络的平衡点的存在性、全局指数稳定性、全局指数鲁棒稳定性,表明脉冲对于系统的指数稳定性和鲁棒稳定性起了重要的作用.最后以实例说明了理论结果的有效性.     

含脉冲的时标神经网络的平衡解的存在唯一性（英文）

讨论了一般性的具有脉冲和时滞的时标神经网络解的存在条件.利用非光滑分析和李雅普诺夫泛函,在不假定激励函数有界和可微的条件下,得到了这类神经网络存在唯一的平衡点的充分条件.作为特例,得到了具有脉冲和时滞的时标Hopfield神经网络、细胞神经网络、双向联想记忆神经网络等系统的平衡解的存在唯一性条件.     

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OPC技术的仿真机评分系统的实现

在不考虑激励函数有界，可微和单调的情况下，利用Lyapunov泛函方法，得到了时滞Hopfield神经网络模型的平衡点存在性和全局渐近稳定性的新准则. 研究结果改进和推广了以前相关文献的结果.     

一类推广的二元神经网络的稳定性分析

利用不动点定理和微分不等式的分析技巧, 引入多个变时滞,去掉对激活函数光滑性与有界性的假设,研究了一类推广的二元神经网络的平衡点的存在性, 得到了系统存在平衡点和全局指数稳定性的新的充分条件.     

一个具有细胞 细胞传播和时滞的病毒动力学模型

建立了一个考虑离散时滞和"细胞-细胞"传播方式的病毒动力学模型.证明了解的正性和有界性,得到了基本再生数R0.当R01时,始终存在无感染平衡点;当R01时,地方性平衡点存在.通过构造Lyapunov泛函,得到了该模型无感染平衡点的全局稳定性及地方性平衡点的全局稳定性.     

基孔肯雅病毒在宿主体内的时滞动力学模型

建立并分析了一个考虑基孔肯雅病毒在宿主体内的离散时滞动力学模型.首先,证明了解的正性和有界性,并计算出基本再生数R0;其次,讨论了模型平衡点的存在性,得出无感染平衡点始终存在,而当R0>1时,存在唯一的地方病平衡点;最后,通过构造Lyapunov泛函,得到了无病平衡点的全局稳定性及地方病平衡点的全局稳定性.     

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.     

具有时滞和非线性感染率的HIV模型的稳定性和持续性

研究了一类具有时滞和非线性感染率的HIV-1模型.借助于基本再生数和线性化模型的特征方程,获得了无病平衡点稳定性的阈值条件,并给出了无时滞和有时滞HIV模型间的地方病平衡点稳定性的蕴含关系.在此基础上,利用持续性理论得到了系统一致持续生存的充要条件.     

一类自变量分段连续的延迟Hopfield型网络分析

利用变量分段连续的微分方程与其诱导出的离散方程的关系,研究了一类自变量分段连续的Hopfield型神经网络的动力学性质。得到了该模型零解稳定的条件,并对结果进行了数值仿真。     

含脉冲的Hopfield神经网络周期解的全局指数收敛性

通过构造Lyapunov函数，讨论了含有脉冲的Hopfields神经网络解的全局收敛性质及收敛速度，并给出实例说明所得结论的有效性．     

基于混合算法优化神经网络的混沌时间序列预测

提出了一种混合算法优化神经网络的混沌时间序列预测模型.将粒子群优化算法与模拟退火算法过程中概率突跳的思想相结合形成一种新的混合算法,并用此混合算法优化神经网络建立预测模型.该模型克服了传统的神经网络收敛慢、易陷入局部最优等不足.利用该模型对Mackey-Glass混沌时间序列和Henon映射进行实验仿真,结果表明,该模型收敛速度快,稳定性能好,预测精度高.     

一种用于RBF神经网络的支持向量机与BP的混合学习算法

基于支持向量机与径向基(RBF)神经网络在结构上的相似性，提出了一种用于RBF网络的支持向量机与BP的混合学习算法．算法分为2步：首先采用序贯最小优化算法学习训练支持向量机，得到RBF网络较优的初始结构和参数；随后由BP算法调整优化RBF网络参数．混合学习算法结合了支持向量机小样本学习、学习训练快捷以及BP算法在线修改网络参数的特点．仿真研究表明，混合学习算法学习效率高，网络性能优良，应用于函数逼近时效果优良．     

基于GA、BP神经网络和多元回归的集成算法研究

建立了一个考虑税收腐败和公共支出腐败的经济增长模型,从理论上探讨财政腐败行为及其影响.主要结论归纳：第一, 财政腐败降低私人资本的回报率,使厂商的生产力下降,就整体而言阻碍了经济增长.第二,最优税率可能大于或小于Barro的最优税率,取决于征税效率和寻租引发的行政成本.第三,两种类型的公共支出隐含着不同程度的腐败机会,以及对官员行为产生的不同“激励”作用,从而扭曲公共支出结构效率.第四,增强制度约束力对遏制财政腐败至关重要.     

基于RBFNN混合粒子群算法的电力负荷短期预测

根据电力系统负荷预测的不同目的,提出一种基于RBFNN混合粒子群优化算法(HPSO)预报电力系统短期负荷,即首先采用改进的粒子群优化算法(MPSO)全局优化网络模型参数然后在MPSO全局搜索模型参数基础上利用梯度下降法局部优化网络模型参数,建立电力系统短期负荷的时序人工神经网络模型。仿真结果表明,该方法与传统的预测方法相比,减少了训练时间,提高了精度和适应性。     

不动点方法与概率时滞脉冲模糊系统的稳定性

通过在完备距离空间上定义压缩映射,利用T-S模糊规则、概率时滞的相关性质和压缩映像原理导出了一类T-S模糊概率时滞脉冲双向联想记忆神经网络的稳定性的代数判据.特点在于,导出系统解的存在性的同时给出了该解的稳定性结论.最后,数值实例证实了所述方法的有效性.     

油气集输管网规划现状

集输管网规划具有高度非线性的特征,优化集输系统,建立适用模型对于提高管网的经济效益具有重要意义.介绍了神经网络、MDOD、混合遗传算法、分级优化法和动态规划法在油气集输管网规划优化中的应用,指出了管网规划优化工作的发展方向,提出了集输管网规划工作的建议.     

基于自组织竞争神经网络的红籽瓜自交系聚类分析

自组织竞争神经网络是一种具有强大的自学习功能、良好的自组织性和自适应性的聚类方法,能够迅速得到聚类结果.本文基于自组织竞争神经网络的聚类功能,依据6个红色籽用西瓜数量性状特征指标,将47份自交系分为4类.聚类结果表明,不同自交系类群间的遗传变异较大,在配置杂交组合时,应尽量在不同类群问选配亲本,为红籽瓜育种提供理论依据.     

小波网络在深圳股市应用的研究

采用传统的人工神经网络模型对深圳证券成份指数进行模拟预测，在此基础上，进一步采用小波函数结合神经网络形成的小波网络对其进行拟合和预测，并对两种预测方法得到的结论误差进行分析、比较。结果显示，小波网络比单纯的神经网络模型预测精度高11．1595。