已阅读5页,还剩60页未读, 继续免费阅读
(应用数学专业论文)两类时滞细胞神经网络模型的指数稳定性.pdf.pdf 免费下载
版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
硕士学位论文 摘要 近年来,具有时滞的神经网络的稳定性问题被深入的研究这是因为,在人工 神经网络的实际应用中,会不可避免地遇到时滞事实上,由于放大器中的有限开 关速度,时滞可能会存在于电子神经网络模型中神经元反应过程中的时滞能影响 一个网络的稳定性,一些工作已经证实神经元反应过程中的时滞能使得一个网络产 生震荡和不稳定的特征因此,时滞参数必须被引入到系统模型中另一方面,就 我们所知道的,对于实时计算,系统的快速收敛是必不可少的,还有,指数收敛率被 用于决定神经计算的速度因此,近些年,具有常数或变化时滞的神经网络模型的 全局指数稳定性也被许多学者所研究 硕士论文由三章组成 第一章概述了人工神经网络的研究历史及现状和本文的主要工作也为了表达 的方便,介绍了本文中将使用到的一些记号 第二章讨论了一类具有变时滞的细胞神经网络模型的指数稳定性通过使 用l y a p u n o v 泛函方法和线性矩阵不等式( l m i ) 技术,我们获得了一些确保细胞神 经网络全局指数稳定的充分条件l m i 方法有着这样的优点:能够利用内点法求出 它的数值解,且这种做法是有效的更重要的是,l m i 方法考虑了神经细胞的激励 效应与抑制效应间的区别此外,本章得到的条件与时滞的大小有关,且结论概括 包含了先前的结果例举出的一个例子说明我们所得到的结果是有效的 第三章讨论了一类具有多个时滞的神经网络模型与第二章中讨论的模型相 比,它是一个更加复杂的网络模型已经有文献研究了此模型的渐近稳定性本章 利用泛函微分方程l y a p u n o v - k r a s o v s k i i 稳定定理和线性矩阵不等式( l m i ) 方法研 究了这一模型的指数稳定性,获得了一些确保这些网络全局指数稳定的判据,该判 据与时滞有关 关键词:神经网络;时滞;全局指数稳定性;l y a p u n o v 泛函;线性矩阵不等式 i i 硕士学位论文 a b s t r a c t i nr e c e n ty e a r s ,t h es t a b i l i t yp r o b l e m0 fn e 眦a l ln e t w o r l 【s 而t hd e l a y sh a sb e e n d e 印l yi n v e s t i g a t e d t h i si sb e c a u s e ,i nt h ei m p l e m e n t a t i o no fa r t i f i c i a ln e u r a l n e 协的r k s ,d e l ,sa r eu n a o i d a b l ye n c o 吡e r e d i nf a c t ,d u et ot h ef i l l i t es w i t c h i n g s p e e do f 锄p l i f i e r s ,d e l a y s 钉el i k e l yt ob ep r e s e n ti nm o d e l so fe l e c t r o n i cn e u r a l n e 椭r o r k d e l a y si nt h er e s p o n s eo fn e u r o n sc a n 砌u e n c et h e8 t a b i h t yo fan e t w o r k , s o m ew o r k sh a ep r o c l a l i m e dt h a td e l a y si nr e s p o n s eo fn e u r o 璐c a nc a l l s ean e t w o r k c r e a t i n go s c i u a t o 巧a n du n s t a b l ec h 盯a u c t e r i s t i c s t h u sd e l a yp 盯a m e t e rm u s tb e i n t r o d u c e di n t ot h es y s t e mm o d e l o nt h eo t h e rh a n d ,a s 陀h a v el 【n o w n ,f 缸t c o n v e r g e n c eo fas y s t 咖i se s s e n t 谢f o rr e 止t i m ec o m p u t a t i o n ,a n dt h ee x p o n e n t 试 c o i l v e r g e n c er a t ei su s e dt od e t e h n i n et h es p e e do fn e u r a lc o m p u t a t i o l l j s t h l l j s , g l o b a le x p o n e n t i a ls t a b i h t yf o rn e u r a l ln e t w o r km o d e l sw i t hc o n s t a 皿to rt i m e - v u 砸n g d e l a y 8h a sb e e na k oi n v e s t 蟾a t e di nr e c e n ty e a r s t l l i st h e s i si sc o m p o s e do ft h r e ec h a p t e r s i nt h ef i r s tc h a p t e r ,w ei n t r o d u c et h eh i s t o r i c a lb a u e k g r o u n do fp r o b l e m sw h i c h w i ub ei n 、炝s t i g a t e d 锄:mt h em a l i nw o r k so ft h i 8p a p e r f b rc o n v e n i e n c eo fe x p r e s 8 i o n s r ea l s oi i l t r o d u c es o m en o t a t i o n sw h i c hw i ub eu s e di nt h i st h e s i s i nt h es e c o n dc h a p t e r ,陀s t u d yt h ee x p o n e n t i a ls t a b i h t yo fac l a s so fn e u - r a ln e t w o r km o d e l 厂i t ht i m 争、r a r 姐n gd e l a 弘 b yu s i n gt h em e t h o do fl y a p u n o v k r a s o v s 姊f u n c t i o n a l la n dl i n e 盯m a t r 仅i n e q u a l i t y ( l m i ) t e c h n i q u e ,8 0 m es u m c i e n t c o n d i t i o i l sf o re 1 1 s u r i n gt h eg i o b a le x p o n e n t i a ls t a b i l i t yo fc n n 8a r eo b t a i n e d t h e p r o p o s e dl m ia 】? p r o a c hh a st h ea d v m t a g et h a ti tc a nb es o l v e dn u m e r i c a u ya j l d e 雎c t i v e l yu s i n gt h ei n t e r i o r - p o i n tm e t h o d m o r ei m p o r t a n t l y ,i tt a k e si n t oa u c c o u n t t h ed i 能r e n c e sb e t w e e nt h en e u r o n a le x c i t a t o 珂a n dt h ei n h i b i t o 珂e 虢c t s i na d d i t i o n ,o u rc o n d i t i o n 8a t er e l a t e dt ot h es i z eo fd e l a 弘t h ep r o p o s e dr e s u l t sg e n e r a l i z e a n di m p l yp r e v i o u sw o r k s o n ee x a m p l ei si n c l u d e dt oi l l u s t r a t et h ee f f e c t i v e n e s s o fo u rr e s u l t s c h a p t e r3c o 璐i d e r sac i a s so fn e u r a ln e t w o r km o d e lw i t hm u l t i p l ed e l a y s i ti s an e t w o r km o d e lw h i c hi sm o r ec o m p l e xt h a nt h em o d e lo fc h a p t e r2 s o m ee ) ( i s t i n g w o r k sh a eb e e nf o u n df o rt h ea s y m p t o t i cs t a b i h t yo fs u c had a s so fm o d e l b y u s i n gt h el y a p u n o v - k r a u s o v s 妯s t a b i h t yt h e o uf o r c t i o n 以d i 髓r e n t 谢e q u a t i o 璐 a j l dt h el i n e a rm a t r i ) ( i n e q u d i t y ( u 讧i ) 印p r o a :h ,s o m ed e l a y - d e p e n d e n tc r i t e r i af o r 硕士学位论文 n e l l l 誓l ln e t w o r k sw i t hm u l t i p l ec o n s t a n to rt i m 争v a 啪gd e l a y sa r ep r o v i d e dt og u a 卜 a n t e eg l o b a je x p o n e n t i 以s t a b i l i t yo ft h e s en e t w o r k s k e yw b r d s :n e u r a l ln e t w o r k ;d e l a y ;g l o b a le x p o n e n t i a l8 t a b i h t y ;l y a p u n o v f h n c t i o n a l ;l i n e 盯m a t r 仅i n e q u a h t y i v 硕士学位论文 插图索引 图2 1 系统( 2 2 2 ) 中的解的数值模拟图1 5 图3 1 系统( 3 5 3 ) 中的解的数值模拟图4 9 图3 2 系统( 3 5 3 ) 中的解的数值模拟图5 0 湖南大学 学位论文原创性声明 本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的 成果。除了文中特别加以标注引用的内容外,本论文不包含任何其他个人或集体已 经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体,均已在文中 以明确方式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名:日期:年月日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保 留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。 本人授权湖南大学可以将本学位论文的全部或部分内容编入有关数据库进行检索, 可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 本学位论文属于 1 、保密口,在年解密后适用本授权书。 2 、不保密瓯 ( 请在以上相应方框内打“ ) 作者签名:荚救兵 导师签 多 i , 献 s r瘁 、 期期 硕士学位论文 第1 章绪论 1 1人工神经网络发展的历史 随着现代科学技术的发展,自然科学与社会科学的许多领域中提出了大量的时 滞动力学系统问题例如物理学、生物学、电路信号系统、遗传学、自动控制系统、 化工循环系统、信息系统及社会经济学中涉及到了大量的泛函微分方程,而稳定性 问题作为泛函微分方程定性理论研究的一部分,在近几十年有了迅速的发展,发表 了大量的论文,许多专著都总结了这方面的工作( 如见文【1 _ 3 】) 本文将研究的对象 就是在人工神经网络领域中提出的用泛函微分方程描述的几类典型模型 纵观人工神经网络的发展历史,其发展过程大致可以概括为如下三个阶段1 4 】: 第一阶段启蒙时期这是神经网络理论研究的奠基阶段1 9 4 3 年,心理 学家m c c u l l o c h 和青年数学家p i t t 发表的一篇总结生物神经元的基本生理特征并提 出形式神经元的数学描述与结构方法( 即m p ) 模型的论文,神经网络拉开了研究的 序幕为了模拟起连接作用的突触的可塑性,神经生物学家h e b b 于1 9 4 9 年提出了 连接权值强化的h e b b 法则h e b b 法则为构造有学习功能的神经网络模型奠定了基 础1 9 5 2 年,英国生物学家h o d 业i n 和h u ) 【l e y 建立了著名的长枪乌贼巨大轴索非线 性动力学微分方程,即h h 方程。1 9 5 8 年,r d s e n b l a t t 在原有m p 模型的基础上增加 了学习机制他提出的感知器模型,首次把神经网络理论付诸工程实现,他的成功 之举大大激发了众多学者对神经网络的兴趣r d s e n m a t t 证明了两层感知器能够 对输入进行分类,他还提出了带隐层处理元件的三层感知器这l 重要的研究方向 r ,o s e n b l a t t 的神经网络模型包含了一些现代神经计算机的基本原理,从而形成神经 网络方法和技术的重大突破1 9 6 0 年,w i d r o w 和h o 碳出了a d a l i n e 网络模型,这 是一种连续取值的自适应线性神经元网络模型,可以用于自适应系统他们针对输 入为线性可分的问题进行了研究,得出期望响应与计算响应的误差可能搜索到全 局最小值;在神经元模型中引入了不应期特性;为了研究思维和大脑结合的理论问 题,g r o s s b e r g 从信息处理的角度,研究了自组织性、自稳定性和自调节规律;日本 科学家a m 撕注重把生物神经网络的行为与严格的数学描述相结合,在数学求解研 究上得到一定成果;w i l l j s h a w 等人提出了一种称为全息音的模型,为利用光学原理 实现神经网络奠定了理论基础;n i l s 8 0 n 对多层机即有隐层的广义认知机作了精辟 的论述等上述成果足以表明神经网络研究已获得了广泛的成功 第二阶段低潮时期正当一些科学家怀着极大热情追求神经网络那遥远 但并非不可及的目标时,人工智能的创始人之一m i 璐k y 和p a p e r t 对以感知器为代 一l 一 两类时滞细胞神经网络模型的指数稳定性 表的网络系统的功能及局限性从数学上做了深入研究,于1 9 6 9 年出版了轰动一时 的p e r c e p t r 0 璐一书,指出简单的线性感知器的功能是有限的,它无法解决线性 不可分的两类样本的分类问题这一论断给当时人工神经元网络的研究带来沉重 的打击,以致美国及前苏联的一些科研机构纷纷停止对此类项目提供资助,而使得 这个领域的许多学者不得不转向其他课题的研究,由此出现了神经网络发展史上长 达1 0 年的低潮期使神经网络研究处于低潮的另一个原因是,2 0 世纪7 0 年代以来,集 成电路和微电子技术的迅猛发展,使传统的v o nn e u m e n n 计算机进入全盛时期,基 于逻辑符号处理方法的人工智能得到了迅猛发展并取得显著成绩,它们的问题和 局限性尚未暴露,因此暂时掩盖了发展新型计算机和寻求新的神经网络的必要性 和迫切性但可喜的是仍有少数具有远见卓识的科学家持之以恒的继续这一领域 的研究,另有一些科学家在此期间新投入到这一领域中,成为低潮期神经网络研究 的亮点1 9 7 6 年,美国g r o s s b e r g 教授提出了著名的自适应共振理论a r t ( a d a p t i v e r e s o n a n c et h e o 巧) ,其学习过程具有自组织和自稳定的特征低潮期另一位重要 人物是日本的福岛邦彦( k u i l i l l i k of u k u s h j 】皿a ) 他开发了一些神经网络结构和训练 算法,其中最有名的是1 9 8 0 年发表的”新认知机”新认知机”是视觉模式识别 机制模型,它与生物视觉理论相结合,其目的在于综合出一种神经网络模型,使它 像人类一样具有进行模式识别能力 第三阶段复兴时期这是神经网络理论研究的主要发展时期1 9 8 2 年美 国国家科学院的刊物上发表了著名的h o p 丘e l d 模型的理论h o p f i e l d 模型不仅对人 工神经网络信息存储和提取功能进行了非线性数学概括,提出了动力方程和学习 方程,还对网络算法提供了重要公式和参数,使人工神经网络的构造和学习有了理 论指导,在h o p f i e l d 模型的影响下,大量学者又激发起研究神经网络的热情,积极投 身于这一学术领域中,神经网络理论研究很快便迎来了第二次高潮近些年来,科 学家们提出了许多具备不同信息处理能力的神经网络模型,已有多种模型被实现 和开发,且在信息处理、模式识别、自动控制、最优控制、信号处理、联想记忆、辅 助决策、计算机技术等领域得到了广泛的应用由于神经网络模型中,非常大的一 部分是微分模型,如著名的h o p 6 e l d 模型、g r o s s b e r g 模型、c n n 模型等,并且考虑 到网络中神经元之间信息传递过程中对时间的实际需要,这些模型往往应是具有 时滞的微分系统正因为如此,近年来,国内外许多微分方程研究工作者纷纷加入 到这一研究领域中,并取得了不少成绩,有关这方面的工作,可参考文献f 5 - 3 8 1 1 2 问题研究的背景与本文的主要工作 细胞神经网络是由c h u 卿y a n g 【3 9 】于1 9 8 8 年提出的一种人工神经网络,和其他 一2 一 硕士学位论文 的人工神经网络模型一样,它是一个大规模非线性模拟系统,具有细胞之间的连接 是局部的、输出信号函数是分段线性的和信号处理是连续实时的等特点作为目 前最流行的人工神经网络之一的细胞神经网络已被广泛应用于模式识别、信号 处理【4 1 j 、联想记忆陋一卅、解方程、最优控制阔和静态图象处理等领域在生物 神经网络中,存在几类时滞,如细胞时滞、传递时滞及突触时滞等m 在人工神 经网络中,也存在信号传递时滞,此外,电路中的开关也产生时滞,动态图象处理 也需要引入时滞,因此,r d s k 氆和c h u a 【4 8 】在细胞神经网络中引入线性时滞模块和非 线性模块,得到了非线性时滞细胞神经网络时滞的存在对于系统的动态性能有 很大影响,它可能使系统产生震荡、分叉以及混沌,甚至导致系统不稳定【4 9 】因 此,从事时滞细胞神经网络的稳定性问题的研究工作是十分有必要的众所周知, 对于实时计算,一个系统的快速收敛是必不可少的,指数收敛率通常被用来决定神 经计算的速度因此,带有时滞或无时滞的神经网络的指数稳定问题也被广泛的研 究【1 6 ,2 1 ,2 3 2 4 ,3 2 3 6 ,3 8 】 具有时滞的标准细胞神经网络模型为: 也 ) = 一n u i ) + 。巧协( 亡) + 协 一 ) ) + 五,o ,t = 1 ,2 ,n ( 1 1 ) j = l歹= l 其中,n o ,o 巧,厶r 1 均为常数;( 亡) 为连续函数,且o ( 亡) 彻,嘞为 某个正常数;协( ) = 毋( 吻( ) ) = ( 1 呦( ) + 1i i ( ) 一1i ) ;i ,j = 1 ,2 ,佗 若对所有的z ,歹 1 ,2 ,佗) ,均有( ) = 7 ( 亡) ,n 兰1 ,则( 1 1 ) 可化为下面的 模型: 魄( ) = 一饥( 亡) 十口巧仍( ( t ) ) + 6 巧毋( 呦( 一7 - ( 亡) ) ) + 五,o ,i = 1 ,2 ,扎 j = 1 歹= 1 ( 1 2 ) 其中,激励函数仍( u ) 满足:o 丛掣z ,让口,f 为正常数 论文第二章中,我们通过构造新的l y a p u n o v 泛函和利用矩阵不等式技术得到 了系统( 1 2 ) 的平衡点指数稳定的一些充分条件 文献【3 7 】中,作者讨论了一类具有多个时滞的神经网络模型的渐近稳定性,模 型如下: 也 ) = 一q 牡i ( 亡) + 。巧毋( 呦( t ) ) + 蟛乃( 一亿) ) + 厶,亡o ,z = 1 ,2 ,n j = 1 七= 1j = l ( 1 3 ) 第三章中,我们先是讨论了模型( 1 3 ) 中q 兰1 时的特殊情况,与模型( 1 2 ) 比较, 一3 一 两类时滞细胞神经网络模型的指数稳定性 该系统为一个更加复杂的系统,模型如下: n f ln 魄( 亡) = 一让t ) + n 巧缈( ( t ) ) + 唠仍( 哟 一亿) ) + 五,亡o , ( 1 4 ) j := 1 后= 1j = l 其中,激励函数9 j ( u ) 满足:o 丛掣f ,u ,f 为正常数 因考虑到网络电路中放大器的有限开关速度和电路误差,在电子神经网络中的时 滞通常是时变且连续的例,因此,接着我们考虑了模型( 1 4 ) 的如下推广形式: n f n 也( t ) = 一讹( t ) + 毋( 呦( ) ) + 蝣卯( 呦 一亿( t ) ) ) + 厶,亡2o ,t = 1 ,2 ,佗 j ;1七= 1 歹一 ( 1 5 ) 其中,激励函数仍( u ) 满足:o 虹掣z ,u 钉,f 为正常数 1 3符号介绍 为了表达的方便,在本文中,我们会使用如下的记号: b t : 矩阵b 的转置; b 一1 : 矩阵b 的逆; k ( b ) : 矩阵b 的最小特征值; 入m ( b ) : 矩阵b 的最大特征值; d i a g p t o : 具有正对角元阮,t = 1 ,2 ,他的正对角阵; b o ( r e s p b ,则有h m = 凰且d e t 【_ ,+ ( a + b ) k - m 】o ,m = o ,1 ,2 , 和 故 日( u m ) 一日( 0 ) = 一n + ( a + b ) ( 夕( 乱m ) 一9 ( o ) ) = 卜,+ ( a + 口) k 南】乱m = 卜- ,+ ( a + b ) 】一1 日( ) 一日( o ) 】 二1 翼| | rl l 墅i l 【一,+ ( a + b ) j r i m 】_ 1l i l i m1 1 日( 孔m ) 一日( o ) m _ o o仇_ 。t ,l _ o o 。 = l i 【一,+ ( 4 + b ) 凰】- 1 咖i i o 和,y ( 尼) o ,使得系统( 2 。1 ) 的 解钍( ) 满足: l l 铭( 亡) 一铭i | 7 ( 忌) e 一艇8 u p | l 乜( s ) 一让i f ,o , 一r m s 5 0 那么称系统( 2 1 ) 的平衡点u + 是惟一且指数稳定的,其中尼表示指数收敛率 2 。3主要结果及其证明 在这一部分,我们总是假设条件( 日1 ) 和( 凰) 成立使得系统( 2 1 ) 有惟一平衡点 让+ = ( 缸:,铭;,缸矗) t 为了研究平衡点牡的指数稳定性,我们令z ( ) = 缸( 毒) 一矿 那么,模型( 2 1 ) 变换成如下形式: 圣 ) = 一z ( ) + a ,0 ) ) + b ,( z 一7 - ( ) ) ) ,( 2 3 ) 其中,五( z i ) = 吼( 兢+ 钍;) 一饥( 仳:) ,且 ( o ) = o ,i = 1 ,2 ,n 在条件( 研) 下,函 数五( 鼠) 满足:o 五笋z ,兢o ,z = 1 ,2 ,礼 一7 一 两类时滞细胞神经网络模型的指数稳定性 定理1 如果存在正定矩阵尸和q ,正对角阵d ,以及正常数卢和七,使得如下条件 被满足: 呲鼬) :p 地p 堀肿一篙p 阿- 口t p 。, 姒舭) = 半州d a + a t d ) 一a 啪一2 q 一等d 盼1 b t 。 0 那么,平衡点u + 是惟一且指数稳定的 证明为证明定理,仅需要证明系统( 2 3 ) 的原点z = o 是指数稳定的 构造如下的l y a p u n o v 泛函: 啪) ) _ 芦以唰卅2 胪噻也广删s + 2 ( t ) 俨( 删训删d s , ( 2 4 ) ( 2 5 ) 其中p = p t o ,q = q t o ,d = d i a g 也 ,也 o ,i = 1 ,2 ,几,p 和尼是正常 数 计算l y a p 咖0 v 泛函y 沿着系统( 2 3 ) 的解的右导数,得 婚) = 2 脬飞烈卅2 e 2 飞冲铷舻艇喜也广饰) d s + 2 p e 2 耽,t ( 亡) ) d 圣 ) + 2 e 2 耽,t ) ) q ,扛( t ) ) 一2 e 2 奄( t r ( 2 ) ) ( 1 一于 ) ) ,t ( z 一7 ( t ) ) ) q ,( z 一7 - ) ) ) 由于 我们有 广) d s 知) ,j 0 厶 zd t z :一2 = z d 0 2 一 n 斟q o 证明完毕口 一1 0 硕士学位论文 定理2 如果存在正定矩阵p ,正对角阵d 和q ,以及正常数p 和七,使得如下条件 被满足: 似舭) = p 一2 七p 一2 q 一2 础d 一害朋矿b t p 。,( 2 1 1 ) 吣七) = 半叫d a + a t d ) 一a 啪 一等d b q 一1 b t d o , ( 2 1 2 ) l d 那么,平衡点u 。是惟一且指数稳定的 证明为证明定理,仅需要证明系统( 2 3 ) 的原点z = 0 是指数稳定的 构造如下的l y a p u n o v 泛函: 啪) ) _ 铲酬删舰喜也厂删s + 2 仁r 俨铲( s ) 训s ) d s , 其中p = p t o ,d = d i a g 也) ,也 o ,i = 1 ,2 ,n ,p 和七是正常数 计算l y a p u n o v 泛函y 沿着系统1 ( 2 3 ) 的解的右导数,得 矿( 邢) ) = 2 膪舰z 飞) & ( 亡) + 2 e 2 舰z 飞) 鼢( d + 4 忌p e 2 船骞也z 甄。 ( s ) d s + 2 p e 2 舰,t ( z ( t ) ) d 未 ) + 2 e 2 舰z t ( 亡) q z ( 亡) 一2 e 2 七( t r ( ) ) ( 1 一亍( ) ) z t 一7 - ( 亡) ) q z 一丁( 亡) ) 由于o 五掣z ,晚o ,i = l ,2 ,佗,因此有 矿( z ( 亡) ) e 2 船 2 七zt ( 亡) p z ( 亡) 一2 zt ( 亡) p z ( 亡) + 2 zt ( 亡) 尸a , ( 亡) ) + 2 z t ) p b ,( z ( 亡一丁 ) ) ) + 2 七用z t ) d z ( 亡) 一2 p ,t ( t ) ) d z ( t ) + 2 p ,t ( z ( ) ) d a ,0 ( ) ) + 2 p ,t ( z ( ) ) d b ,( z 一7 ( t ) ) ) + i z t 驯) 一字e - 2 _ i c 锄,t ( 础一r ) ) q m ( 亡一丁) ) 一字e 磁彻,t ( 一丁) ) 州邢一r m 另一方面,我们伺 一掣e 栅伽,t ( z ( 芒一7 - ( 亡) ) ) q m ( 亡一7 - ( 亡) ) ) + 2 z t ( t ) p b 弛( t 一下( t ) ) ) :一【罕e 咖q 1 2 m ( h ( t ) ”一南矿。胆矿剐幻】t 【牮e “叼2 他( ) ) 南e 慨矿v 2 矿乳( t ) 】 + 禹e 2 嘶以妒b 旷矿m ( t ) 禹e 2 咖以妒盼增, q j 3 一掣e 埘w ,t ( z ( 一丁( ) ) ) q m ( t 一丁( 亡) ) ) + 2 p ,t ( z ( t ) ) d b m ( 卜f ( 亡) ) ) :一【罕e “吲2 ,似( t ) 沪羔扩。1 胆矿可p ”】t 【挈e “吲2 他( 阳胪浩扩即。卢矿研 ( t ”】 + ;三乏e 2 k 哪,t ) ) d b q 一1 b t d , ) ) 善m ,t ( 酬d b q 一1 b t d m ( t ) ) ( 2 “) 由不等式( 2 6 ) 、( 2 9 ) 、( 2 1 3 ) 和( 2 1 4 ) ,我们得到 矿( 瑚) )一e 2 妊z t ( ) ( p 一2 忌p 一2 q 一2 p 2 d 一禹e 2 知似p b q 。b t p ) z ( 。) 一矿t ,t ( 删( 半一p ( d a 十a t d ) 一a t p a 一尚e 2 砌 d b q 一1 b t d ) ,( z ( t ) ) ;一e 2 船z t ) q 3 ( p ,七) z ) 一e 2 舰,t ( z ( t ) ) q 4 ( p ,忌) ,( $ ( t ) ) o , ( 2 1 5 ) q 2 ( 1 ,忌) :挲一( d a + a t d ) 一a t p a 一2 q 一 = j d b q - 1 b t d o ( 2 1 6 ) 现在,我们可以将( 2 1 5 ) 另写为 q 。( 1 ,七) = p 一! 警一2 七p 一2 脱d 一芝竽兰亏! p b q 一- b t p 。( 2 1 7 ) 由于七 o ,显然( 2 1 7 ) 包含着 p 一警 。, ( 2 1 8 ) 即,( 2 1 5 ) 式包含着( 2 1 8 ) 成立相似地,( 2 1 6 ) 式中q 2 ( 1 ,尼) o 包含着条件: 孕一( d a + a t d ) 一a t p a 一2 q r 兰j d b q 一1 b t d o ( 2 1 9 ) 另一方面,注意到七 0 , 岛q l ( 1 = p 一警 。 及 占紧q 2 ( 1 ,后) = 竽一( d a + a t d ) 一a t p a 一2 q r 兰j d b q - 1 b t d , 容易看出,当( 2 1 8 ) 成立时,对于o 0 且足够小) ,( 2 1 5 ) 也成立当( 2 1 9 ) 成立时,对于o o , 0 2 na 2 。 忙( 嘉 仁( 尝 、l - 、潲q 、-、端q 两类时滞细胞神经网络模型的指数稳定性 m = 罕一d a a t d a t p a 一2 q , 那么,平衡点矿是惟一且指数稳定的 我们如果取定理2 中的p = 1 ,那么条件( 2 1 1 ) 和( 2 1 2 ) 分别变为下面的( 2 2 0 ) 和( 2 2 1 ) : q 1 ( 1 ,) :p 一2 尼p 一2 q 一2 七z d 一写生p b q 一1 b t p o , ( 2 2 0 ) q 2 ( 1 ,后) :竿一( d a + a t d ) 一a t p a 一等d b q 一1 b t d 0 ( 2 2 1 ) 通过类似于前面的论述,由定理2 ,我们能够得到如下的结果 定理4 如果存在一个正定矩阵p ,正对角阵d 和q ,使得如下条件被满足: 其中 ( 乏譬) 。, 耻( 喾 岛= ( 尝 = 孕一d a a t d a t p a , 那么,平衡点u + 是惟一且指数稳定的 注文献【2 4 】中的定理5 和定理6 为本文结果中f = 1 ,下( t ) 兰丁( 非负常数) 时的特 殊情况 2 4举例 考虑二兀d c n n : i “( t ) = 一u ( t ) 一 9 1 ( u 1 ( t ) ) + 9 2 ( u 2 ( 亡) ) 一 9 ( u t ( t 一 ( t ) ) ) + 9 2 ( u 2 ( t r ( t ) ) ) + 厶, 【西2 ( ) = 一u 2 ( 亡) 一 夕( 牡,( 亡) ) 一 夕2 ( 让2 ( 亡) ) 一 g ( u - 一7 ( 亡) ) ) 一 仍( u 2 一7 一( ) ) ) + j 1 2 , ( 2 2 2 ) 其中 ,j 1 2 为常数,f ( ) = 璺旦,激励函数为分段线性函数吼( u ) = o 5 ( 1 乱+ li lt 正一1i ) ( i = 1 ,2 ) 对于上述系统,我们有 嘞= 。5 ,d = 丢,a = b = ( 二i 二;) 一1 4 一 夕) 一而q一丽q 显然,吼( u ) 满足条件( 凰) 且2 = 1 通过简单的计算,我们得到 a e t h 州删困= a e t ( 一譬1一l 乜) o ,。乳江坤 即,条件( 凰) 成立在定理1 甙冷p = 1 ,p = d = 3 j 和q = j ,其中j 表示2 阶单位 矩阵,我们有 q 。c 1 ,惫,:( 言兰) 一( :三) 一( 莒三) 一( 学芸) = ( 3 1 2 :一警3 1 :一譬) 。,一 o 3 1 2 七一蒜 q 2 c 1 ,七,:( 言:) 一( 吉二三) 一( 吾兰) 一( 言兰) 一( 萼善) 等:等等二喾) 。, 3 21 6 。 l 、n o 等一警 显然,存在足够小的七保证q 1 ( 1 ,凫) o 和q 2 ( 1 ,七) o 取 :2 ,j 1 2 :1 ,初始值为u ( 口) = 【0 1 一o 2 】t ,p 卜- o 5 ,0 】) 系统( 2 2 2 ) 拥 有平衡点( 器, ) ,且是指数稳定的解的数值模拟如图2 l 一1 5 一 两类时滞细胞神经网络模型的指数稳定性 图2 1 ,( 2 2 2 ) 中解的数值模拟图,其中解的初始值 为u ( p ) = 【o 1 一o 2
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- CR400AF动车组车体技术
- 深度复盘中水回用系统改造:融资轮次与头部玩家图谱
- 十五五智能人体感应传感器:2026年6G网络下的超感知融合
- 2024湖北省电力公司咸宁供电公司校园招聘62人【重点基础提升】模拟试题附带答案真题题库含答案18
- 2026年环保行业智能化设备应用报告
- 2026年家电行业消费分析报告:男性、女性、儿童消费差异比较
- 2026年电动车行业市场渠道策略研究报告
- 2026年教育行业报告:私有化部署与在线教育市场分析
- 2026年新材料行业市场应用领域拓展报告
- 2026年体育用品行业利润款产品创新研究
- 2026中国洗衣干衣行业市场现状需求分析投资布局发展策略研究文献
- 环境应急预案备案依据(3篇)
- 2026年江西省高考物理试卷真题(含答案及解析)
- 2026秋小学教科版科学五年级上册第二单元测试练习卷含参考答案
- 特香型白酒的讲解
- 2026中国邮政社会招聘笔试真题(完整版+详细答案解析)
- 五年级上册《白鹭》课件
- 岩爆的预防及处理培训课件
- 中国电信理工综合类笔试题库
- CSCO非小细胞肺癌诊疗指南(2026版)
- T∕CCEAS008-2026 建设工程造价咨询成果文件质量标准
评论
0/150
提交评论