具有量化和数据包丢失的markov跳变神经网络的反馈控制

具有量化和数据包丢失的markov跳变神经网络的反馈控制

ID:33729896

大小:912.90 KB

页数:35页

时间:2019-02-28

具有量化和数据包丢失的markov跳变神经网络的反馈控制_第1页
具有量化和数据包丢失的markov跳变神经网络的反馈控制_第2页
具有量化和数据包丢失的markov跳变神经网络的反馈控制_第3页
具有量化和数据包丢失的markov跳变神经网络的反馈控制_第4页
具有量化和数据包丢失的markov跳变神经网络的反馈控制_第5页
资源描述:

《具有量化和数据包丢失的markov跳变神经网络的反馈控制》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、目录中:艾摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.1』kbstract⋯⋯⋯..⋯⋯...⋯⋯⋯....⋯..⋯..⋯⋯...⋯.2第一章引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.31.1研究背景、目的和意义...⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯....31.2神经网络控制系统的研究中问题的描述与准备⋯⋯⋯⋯⋯⋯..41.3目前关于网络控制的研究...⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯....71.4符号说明⋯.⋯⋯⋯⋯⋯..⋯⋯。⋯⋯⋯⋯⋯⋯⋯...7第二:章具有量化的Markov跳变神经网络的状态反馈控制⋯⋯⋯..92.1模型的建立及问题的提出⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯

2、..92.2若干引理、假设及定义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..1l2.3主要结论及证明..⋯⋯⋯⋯⋯⋯..⋯.⋯⋯⋯⋯⋯...132.4数值例子⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.20第三章基于观测器的状态反馈控制⋯⋯⋯⋯⋯⋯⋯⋯⋯..223.1模型的建立:⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯.223.2主要定理及证明⋯⋯⋯⋯...⋯⋯⋯⋯⋯⋯⋯⋯⋯。.233.3数值例子⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..27参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.30致谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。.33徐玲:具有量化和数据包丢失的Markov跳变神经网

3、络的反馈控制三中文摘要神经网络是一种非常重要且复杂的大规模动力系统,具有十分丰富的动力学属性.它已在联想记忆、组合优化、信号处理等问题中得到广泛应用.由于神经网络的通信带宽,承载能力和服务能力等问题的限制,控制系统的性能受到了很大影响。目前,具有量化的神经网络控制系统的稳定性研究己引起大批学者的兴趣并取得很多丰富和有意义的成果.本文在前人的基础上研究了具有量化和数据包丢失的Markov跳变神经网络的反馈控制系统,并用对数量化器对测量值进行量化,利用贝努力二项分布描述神经网络控制系统的数据丢包。我们的主要工作是分析和研究状态反馈控制系统达到指数稳定的条件

4、以及基于观测器状态反馈控制达到指数稳定的条件.全文主要内容包括以下几点:1.简要概述神经网络控制系统及Markov跳变神经网络控制系统的相关背景和研究意义,介绍了神经网络控制系统中常见的问题及研究现状.2.建立具有量化和数据包丢失的分布时滞Markov跳变神经网络的反馈控制系统模型,通过构造特殊的Lyapunov—Krasovskii函数及线性矩阵不等式理论,给出该系统达到指数稳定的条件,并获得基于估计器的控制器的设计方法.3.分析基于观测器的输出反馈控制稳定性问题,建立误差系统.利用特殊的Lyapllnov—Krasovskii函数及线性矩阵不等式理

5、论,给出新系统达到指数稳定的条件,并获得基于观测器的控制器的设计方法.船,关键词:神经网络反馈控制;量化;丢包;马尔科夫链.扬州I大学硕士学位论文AbstractTileneuralnetwork,asanimportantlarge—scalecomplexsystem,exhibitsrichandcolorfuldynamicalbehaviors.Ithasimportantandpotentialapplicationsinsolvingassociativememories,optimizingsolvers,signalprocessin

6、gandSOon.Sincethelimitionoftheneuralnetwork’Scommunicationbandwidth,servicecapacityandcarryingcapacity,theperformanceoftheNNCSsissuppressed.Recently,thestabilityofquantiedNNCSshasattractedalargenumberofresearchers,andaseriesofsignificantresultshavebeenachieved.2Thisdissertationf

7、ocusesontheout-feedbackcontroldesignformarkovianjumpingneuralnetworksystemssubjecttoquantizationanddropout.Twowell-knownNNCSsmodels,i.e.,thelogarithmicquantizeandBernoullimodel.Ourpurposehereistodevelopseveralconditionssuchthattheclosed-loopsystemsarestableandsatisfycorrespondin

8、gperformanceindices.ThemainWOrkofthisdissertati

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。