1) delayed neural networks
时滞神经网络
1.
Periodic solutions for impulsive periodic delayed neural networks;
脉冲时滞神经网络的周期解
2.
While the dynamical characteristics of delayed neural networks include stable, unstable, oscillatory and chaotic behaviors, the dynamical issues of delayed neural networks have attracted worldwide attentions in recent years.
时滞神经网络广泛应用于信号处理、动态图像处理、人工智能和全局优化等领域,但时滞神经网络在运行过程中有可能出现稳定、不稳定、振荡和混沌等动力学行为,近年来时滞神经网络的动力学问题引起了学术界的广泛关注。
2) delayed neural network
时滞神经网络
1.
The stability of the null solution in a system of delayed neural network is investigated, and the parameter condition of the occurence of the Hopf bifurcation in the system is give
给出一类时滞神经网络系统的零解的局部稳定判定准则，并给出该系统出现Ｈｏｐｆ分枝的参数条件
4) DCNN
时滞细胞神经网络(DCNN)
5) stochastic delay neural network
随机时滞神经网络
1.
In the second part, we apply these sufficient conditions to a class of stochastic delay neural networks with uncertainties and obtain practical criteria to test exponential stability of these stochastic delay neural netwo.
首先考虑了不确定性的一族非线性随机时滞系统 ,建立了这种系统的均方指数稳定与几乎必然指数稳定的充分准则 ,其准则是时滞无关的 ;然后应用这些充分条件到一类不确定的随机时滞神经网络 ,得到了这种神经网络指数稳定的实用判据 。
6) stochastic recurrent neural network
随机时滞Recurrent神经网络
1.
The exponential stability of stochastic recurrent neural network with time delay;
随机时滞Recurrent神经网络的指数稳定性
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