1) static neural networks
静态神经网络
1.
Invariant and attracting sets of static neural networks with S-type distributed time delays;
S-分布时滞静态神经网络模型的不变集和吸引集
2.
Some useful criteria for the global robust stability of the delayed interval static neural networks are obtained by using Lyapunov functional method and topological degree theory.
应用Lyapunov泛函方法和拓扑度理论研究了时滞区间静态神经网络的全局鲁棒稳定性,给出了一些实用的判据。
3.
By using the theory of topological degree,M-matrix and Lyapunov functional methods,the global asymptotical stability of a class of static neural networks with delays is discussed.
利用拓扑度理论,M-矩阵理论及Lyapunov泛函方法研究了一类时滞静态神经网络模型平衡点的全局渐近稳定性,得出了其平衡点存在唯一及全局渐近稳定的一些充分条件。
2) static neural network
静态神经网络
1.
Invariant set and periodic attractor of static neural network with time-varying delays;
变时滞静态神经网络的不变集和周期吸引子
2.
Global robust stability of a static neural network model with distributed delays is discussed.
利用拓扑度理论和Liapunov泛函方法,讨论了分布时滞静态神经网络模型的全局鲁棒稳定性,给出了实用有效的判定条件。
4) dynamic neural network
动态神经网络
1.
Power system short-term load forecasting based on empirical mode decomposition and dynamic neural network;
基于经验模态分解与动态神经网络的短期负荷预测
2.
AUV heading adaptive control based on the dynamic neural network
基于动态神经网络的AUV航向自适应控制
3.
According to its characteristics,the equipment technique condition is reconstructed in the phase space and then the forecasting model is built up with dynamic neural network.
根据装备技术状态的特性,使其在相空间里重构,然后利用动态神经网络建立装备技术状态预测模型,并以装备振动信号预测为例进行案例研究,验证了利用动态神经网络进行预测的可行性和优越性。
5) Dynamic neural networks
动态神经网络
1.
Propose a new approach to generate chaos via dynamic neural networks according to inverse optimal control for nonlinear systems.
根据逆最优控制方法,针对非线性系统,提出了利用动态神经网络产生混沌的一种新方法。
2.
In this paper a learning and identification scheme for a class of unknown multivariable nonlinear system using dynamic neural networks (DNN) is presented.
研究了一类基于动态神经网络的未知非线性多变量系统的鲁棒辨识问题。
3.
In chapter one of this paper,neural networks development history is summarized and emphasis is current development situation of dynamic neural networks.
神经网络的研究至今已有近40年的历史，本文在第一章绪论中综述了神经网络的发展历史，并重点论述了动态神经网络的发展现状及趋势。
6) dynamical neural network
动态神经网络
1.
Diesel engine modeling based on dynamical neural network;
基于动态神经网络的柴油机建模研究
2.
The dynamical neural network is used to model a class of multivariable affine nonlinear systems.
采用动态神经网络对一类多变量仿射非线性系统进行建模 ,利用解析求得的模型动态逆 ,将非线性对象近似输入输出解耦线性化。
3.
For neural networks approach to the job shop scheduling problem,an improved stochastic dynamical neural network is used and the quality of job shop schedule is improved.
本文应用改进的随机动态神经网络解决单件车间生产作业计划问题(JSP),然后在以较好的生产作业计划为起点寻优的过程中,使用了基于工件加工时间服从概率分布的禁忌搜索,并且用TurboC++1。
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