1) Cohen-Grossberg neural networks
Cohen-Grossberg神经网络
1.
Analysis on global stability of Cohen-Grossberg neural networks with time-varying delay;
具有变时滞Cohen-Grossberg神经网络全局稳定性分析
2.
Regular dynamics in delayed Cohen-Grossberg neural networks with discontinuous activation functions;
不连续激励函数时滞Cohen-Grossberg神经网络的动力学性质(英文)
3.
Exponential stability of high-order Cohen-Grossberg neural networks with time delay;
带时滞的高阶Cohen-Grossberg神经网络的指数稳定性(英文)
2) Cohen-Grossberg neural network
Cohen-Grossberg神经网络
1.
New criteria for exponential stability of Cohen-Grossberg neural networks;
Cohen-Grossberg神经网络指数稳定性的新判则
2.
By using mathematical analysis technique,the convergence behavior of Cohen-Grossberg neural networks with delays and time-varying coefficients are considered.
利用数学分析方法,讨论了具有时滞时变系数的Cohen-Grossberg神经网络的收敛性,给出了确保网络的所有解指数收敛于零点的充分条件,补充了已有的结论。
3.
In this paper, the dynamic behaviors of solutions are considered for the discrete-time cellular neural network model with mixed delays and continuous-time Cohen-Grossberg neural network model with mixed delays.
本文讨论了离散混合时滞细胞神经网络模型,和连续时间混合时滞Cohen-Grossberg神经网络模型解的动力学状态。
3) stochastic Cohen-Grossberg neural networks
随机Cohen-Grossberg神经网络
1.
A sufficient condition ensuring p-th moment exponential stability of the stochastic Cohen-Grossberg neural networks with time-varying delays is obtained by establishing an L-operator inequality and using stochastic analysis technique.
通过建立L算子不等式,利用随机分析技巧得到了变时滞随机Cohen-Grossberg神经网络的p-阶矩指数稳定的一个充分条件,并给出实例进行了说明。
4) Cohen-Grossberg stochastic cellular neural networks
Cohen-Grossberg随机神经网络
5) Discrete-time Cohen-Grossberg neural network
离散Cohen-Grossberg神经网络
6) Grossberg outer star network
Grossberg外星网络
补充资料：Hopfield神经网络模型
Hopfield神经网络模型
Hopfield neural network model
收敛于稳定状态或Han加Ing距离小于2的极限环。 上述结论保证了神经网络并行计算的收敛性。 连续氏pfield神经网络中，各个神经元状态取值是连续的，由于离散H6pfield神经网络中的神经元与生物神经元的主要差异是:①生物神经元的I/O关系是连续的;②生物神经元由于存在时延，因此其动力学行为必须由非线性微分方程来描述。为此，在1984年J.J.H叩fi酗提出了连续氏pfield神经网络，它可用图1所示的电路实现，其动态方程┌───┐│·T叮 │└───┘图1连续F砧pfield神经网络 (a)Sigmoid非线性;(b)神经元模型可由下述微分方程式描述: 、，产 门J /r、l、1.。瓮一客、一佘Ii认=f(u￡)￡=l，2，…，n式中f(·)为连续可微的Sign101d函数;T，j=兀、i，j=1，2，“’，n几=0]=i1~.吞~·‘八文一Q*+，戮T，j‘一‘，2，”一”连续时间氏pfield神经网络式的计算能量函数定义为:一告客客几从砚 石l「Vi_1，、，合，，， +乞古!‘厂‘(x)dx一乙I，从(4) ’月R‘Jo“‘、一’一月一，” 对于式(3)，若f一‘为单调增且连续，C>0，T，j=几(i，j=1，2，一，n)，则沿系统的运动轨道有dE一。-丁丁足之Uat当且仅当贷一。时 箭一。式(3)的稳定平衡点就是能量函数E〔式(4)」的极小点，反之亦然。同时，连续氏pfield神经网络式(3)以大规模非线性连续时间并行方式处理信息。网络的稳定平衡点对应于其计算能量函数E的极小点，网络的计算时间就是它到达稳定的时间，网络的计算在系统趋于稳态的过程中也就完成了。这也是式(3)用于神经计算及联想记忆的基本原理，也即神经计算机的基本原理。HoPfield shenling wangluo moxingHopfield神经网络模型(Hopfieldne，Ine幻即0比m侧触l)一种单层全反馈的人工神经网络模型(后称之为氏p玉idd模型)，它对推动人工神经网络研究的复苏起了很重要的作用。 且，lield对人工神经网络研究的贡献主要有: (l)把有反馈的神经网络看作一个非线性动力系统，提出了系统的全局Lyap阴lov函数(或称能量函数)的概念，用于系统稳定性的分析; (2)利用上述分析方法解决人工智能中的组合优化问题，如15护;(3)给出了利用模拟电子线路实现的连续Hopfidd网络的电路模型，为进一步研究神经计算机创造了条件。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条