1) Cohen-Grossberg stochastic cellular neural networks
Cohen-Grossberg随机神经网络
2) 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。
3) 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)
4) 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。
5) Discrete-time Cohen-Grossberg neural network
离散Cohen-Grossberg神经网络
6) random neural network
随机神经网络
1.
Improved algorithm research of optimization solution with random neural network;
用随机神经网络优化求解改进算法的研究
2.
Solving C-TSP with random neural network;
用随机神经网络优化求解C-TSP
3.
A novel approach to the real-time speech quality evaluation in a packet network using feed-forward multiple class random neural network(FFMCRNN) was presented.
提出了一种利用前馈随机神经网络在分组网络中进行实时语音质量评价的新方法。
补充资料：随机网络分析与优化
随机网络分析与优化
analysis and optimization of random network
suiii wangluo fenxi yu youhua随机网络分析与优化(analvsisartimization of random network)在又机变化的外部环境和内部因素共同柞的系统进行网络描述的基础上，综合多项理论，研究系统的静态、动态牡概率分布，并寻求优化的方法和活动。包括随机网络解析法和随机网络仿真 随机网络技术是在肯定型网络杉基础上产生的。1962年，美国的E.场提出带“决策盒”的广义网络技术，步改进和完善后形成了图示评审(GERT)，同时又利用控制论中的信戈理论和概率论中的矩母函数发展了GE络的解析算法。1969年，形成了相应件系统并成功应用于美国阿波罗载六计划。70年代以来，美国的普列茨丈人又进一步发展了随机网络仿真技才现了多种具有不同功能的随机网络仗统。现在，随机网络技术已广泛应拜事训练、作战指挥、后勤保障等方值筹分析中。 随机网络以下列方式描述客观暮网络中的节点表示系统状态;连接名之间的箭杆表示状态之间的传递关弃为活动);各节点具有不同的逻辑牡引出端可以有多个概率分支，并且书间的传递关系服从一定的概率分布;中允许回路和自环存在。广义网络摇随机网络的一般形式，其节点的输人立oP-撇汗拥印要术粕哟拯沐汹啊嫩朔噜出辐浑腿乞宁点(称E;天之习络竺是有3渝人和 肯定刁逻辑或”型三是一兰利用、网络无率论卜种概习络在了“异j)的j，j) 的条 ·从泊tjj，劲络，天之间种类型:“与”型输人、“或”型车 “异或”型输人;输出端有2种类型:型输出和概率型输出，共构成6种不「功能的节点(见网络分析)。只含“异节点的随机网络称为GERT网络，勺种典型的线性系统。 随机网络解析法的基本原理，尖控制论中的信号流图理论计算GER广中各节点之间的传递关系，并利用札中矩母函数的基本性质计算网络的耀率分布数字特征，从而得到GERT「平稳状态下的解析解。设状态j，j均步或”型节点，随机变量岛为活动(人活动周期，Ptj为节点i实现时活动(被执行的概率一M公(s)为活动(j，j)件矩母函数，令传递函数为矶(s)二厂(s)，故对于每项活动的两个参数只总可以用一个参数Wjj(s)来代替。
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