一类混合时滞随机静态神经网络的稳定性分析及sofm神经网络的应用

《一类混合时滞随机静态神经网络的稳定性分析及sofm神经网络的应用》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、谨以此论文献给我的导师和我的朋友--------王纪利万方数据万方数据一类混合时滞随机静态神经网络的稳定性分析及SOFM神经网络的应用学位论文答辩日期：指导教师签字：答辩委员会成员签字：万方数据万方数据独创声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含未获得（注：如没有其他需要特别声明的，本栏可空）或其他教育机构的学位或证书使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论

2、文作者签名：签字日期：年月日---------------------------------------------------------------------学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，并同意以下事项：1、学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。2、学校可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。同时授权清华大学“中国学术期刊(光盘版)电子杂志社”用于出版和编入CNKI《中国知识资源总库》，

3、授权中国科学技术信息研究所将本学位论文收录到《中国学位论文全文数据库》。（保密的学位论文在解密后适用本授权书）学位论文作者签名：王纪利导师签字：签字日期：年月日签字日期：年月日万方数据万方数据一类混合时滞随机静态神经网络的稳定性分析及SOFM神经网络的应用摘要人工神经网络是一种非线性信息处理系统,在组合优化、金融预测、模式识别、图像处理、自动控制、人工智能、信号处理等领域有着广泛的应用,目前来看有很大的研究价值和发展潜力.目前，在有关人工神经网络的各项研究中，通过选取不同的变量，递归神经网络模型可以被分为两类：其中一类是局域递归神经网络模型，该模型所

4、研究的变量为神经元的内部状态；另一类是静态递归神经网络模型，该模型所研究的变量为神经元的外部状态.目前，很多学者已经对局域神经网络进行了有关研究，如变时滞、分布时滞及S-分布时滞局域神经网络的稳定性研究，但是对静态神经网络的相关研究相对较少，对随机静态神经网络的研究更少.另外，自组织特征映射（SOFM）是由芬兰T.Kohonen教授（Helsink大学）于1981年建立的.Kohonen教授认为，当一个神经网络接受到外界的输入信号时，将会自组织的分为不同的区域，各区域与不同输入模式相对应且对不同输入信号的响应特征各不相同.根据上述观点，自组织特征映射

5、（SOFM）被Kohonen教授提出，其特点类似于人类大脑的自组织特性.然而，原有SOFM神经网络在处理某些实际问题时结果不尽人意，如收敛速度不够快、结果不够精确等，所以在原有网络基础上根据实际应用的需要建立改进的新的SOFM神经网络是非常有必要的.本文将在前人的基础上讨论一类混合时滞随机静态神经网络的稳定性，并且在改进SOFM网络算法的基础上对其进行实际应用.主要内容如下：首先介绍了文章的研究背景以及预备知识；进而，利用Lyapunov稳定性理论和随机分析的方法，研究了一类混合时滞随机静态神经网络的拉格朗日稳定性及其指数稳定性，给出了易于验证的代数

6、判据；最后，改进了自组织特征映射（SOFM）的网络算法，并将改进的网络应用于城市空气质量信息公开指数评价万方数据（AQTI）中，提供了完善城市空气质量信息公开指数评价指标体系的建议.关键词：随机静态神经网络；指数稳定性；拉格朗日稳定性；自组织特征映射万方数据StabilityAnalysisforaClassofStochasticStaticNeuralNetworkswithMixedTimeDelaysandtheApplicationofSOFMNeuralNetworksAbstractArtificialneuralnetworkisak

7、indofnonlinearsystemusedtoprocessinformation.Artificialneuralnetworkhasalsobeenappliedinallkindoffieldslikecombinatorialoptimization,patternrecognition,imageprocessing,financialprediction,signalprocessing,automaticcontrol,artificialintelligenceandithasgreatdevelopmentpotentiala

8、ndresearchvalue.Now,onthebasisofthedifferenceofvariabl