资源描述：
《BAM神经网络和离散型复值神经网络的全局稳定性研究》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、学校代号10532学号S150600496分类号密级公开硕士学位论文BAM神经网络和离散型复值神经网络的全局稳定性研究学位申请人姓名彭文丽培养单位数学与计量经济学院导师姓名及职称张正球教授学科专业应用数学研究方向神经网络论文提交日期2018年04月20日学校代号10532学号S150600496密级公开湖南大学硕士学位论文BAM神经网络和离散型复值神经网络的全局稳定性研究学位申请人姓名:彭文丽导师姓名及职称:张正球教授培养单位:数学与计量经济学院专业名称:应用数学论文提交日期:2018年04月20日论文答辩日期:2018年05月08日答辩委员会主席:李亚琼教授Globalstabilitya
2、nalysisofBAMneuralnetworksanddiscrete-timedelayedcomplex-valuedneuralnetworksbyPENGWenliB.S.(HenanUniversity)2015AthesissubmittedinpartialsatisfactionoftherequirementsforthedegreeofMasterofScienceinMathematicsintheGraduateschoolofHunanUniversitySupervisorProfessorZhangZhengqiuApril,2018硕士学位论文摘要本文通过
3、对双向联想记忆(BAM)神经网络和复值神经网络的研究现状,研究方法等进行分析讨论后,研究了具有遗漏项中立型时滞BAM神经网络和离散型时滞复值神经网络平衡点的全局稳定性,通过利用同胚映射定理,构造Lyapunov泛函和一些新奇的不等式技巧,建立了具有遗漏项中立型时滞BAM神经网络系统平衡点存在唯一性的充分条件和系统平衡点全局指数稳定性的充分条件,并且该神经网络平衡点存在性的基于LMI的充分条件与平衡点全局指数稳定性的基于LMI的充分条件一致.另一方面,对复值神经网络的讨论中,利用新的复值矩阵不等式代替了已有文献中的矩阵不等式,利用同胚映射定理,线性矩阵不等式技巧,构造李雅普诺夫序列,建立了离散
4、型时滞复值神经网络平衡点存在唯一性的充分条件和全局渐近稳定性的充分条件,并且该神经网络平衡点存在唯一性的基于LMI的充分条件与平衡点全局渐近稳定性的基于LMI的充分条件也是一致的.与现有文献相比,在我们的文章中BAM神经网络平衡点存在唯一性和全局指数稳定性依赖于时滞.因此,与现有文章相比,我们的平衡点的全局稳定性的结果保守性更弱,我们的结果更新颖,是对先前已知结果的补充,而且从四个数值模拟的结果来看,也验证了我们结果的有效性.关键词:遗漏项;中立型;BAM神经网络;复值神经网络;Lyapunov泛函;同胚映射;稳定性Ⅱ硕士学位论文AbstractInthispaper,theresearch
5、statusandresearchmethodsofbidirectionalassocia-tivememory(BAM)neuralnetworkandcomplex-valuedneuralnetworkareanalyzedanddiscussed.ByusingHomeomorphismtheory,Lyapunovfunctionalandsomenewinequalitytechniques,anovelLMI-basedsufficientconditiononglobalexponentialstabilityofequilibriumpointforneutraldelaye
6、dBAMneuralnetworkswithdelaysinleakagetermsandglobalasymptoticstabilityofequilibriumpointfordiscrete-timedelayedcomplex-valuedneuralnetworksisestablished.Unliketheexistingpaper,inourresult,theexistenceandglobalexponentialstabilityofequilibriumpointforBAMneu-ralnetworkisdependentoftimedelayandtheLMIc
7、onditionfortheexistenceofequilibriumpointisidenticaltothatforglobalstabilityofequilibriumpointforthetwoclassesneuralnetwork.ontheotherhand,inthediscussionofthecomplex-valuedneuralnetwork,thenewcomplexmatrix
