發(fā)布時間：2018-06-26 22:36

  本文選題：憶阻 + 時滯神經(jīng)網(wǎng)絡　； 參考：《華中科技大學》2016年博士論文

【摘要】：大腦神經(jīng)元之間以及神經(jīng)元與非神經(jīng)細胞之間通過突觸相互連接并實現(xiàn)信息的傳遞,而憶阻被證實具有類似大腦神經(jīng)突觸在生物電信號刺激下的塑性響應的非線性電學特性,因此可以使用憶阻來模擬突觸,構建基于憶阻的神經(jīng)網(wǎng)絡電路.本文通過將憶阻取代傳統(tǒng)遞歸神經(jīng)網(wǎng)絡電路中的電阻從而模擬神經(jīng)元突觸設計了幾類關于時滯憶阻神經(jīng)網(wǎng)絡的動力學系統(tǒng),并研究了其穩(wěn)定和同步控制問題.這些理論為憶阻元件在神經(jīng)仿生、信息動態(tài)存儲和混沌保密通信等方而的應用奠定了理論基礎.時滯憶阻神經(jīng)網(wǎng)絡是一類狀態(tài)依賴的切換系統(tǒng),不能用經(jīng)典的針對右端連續(xù)的微分方程的穩(wěn)定性理論和方法來處理.本文通過采用微分包含和集值映射理論,在Filippov右端不連續(xù)穩(wěn)定性理論框架下分析了時滯憶阻神經(jīng)網(wǎng)絡系統(tǒng)的動力學行為,包括無源性、有限時間可鎮(zhèn)定性和不可鎮(zhèn)定性、自適應同步和一般衰減率同步.以下是本文的主要研究內(nèi)容：討論了一類帶時變時滯的憶阻神經(jīng)網(wǎng)絡的無源性.與以往文獻相比,系統(tǒng)的時變時滯不一定需要可微條件.在此更一般的時滯條件下,本文建立了時滯憶阻神經(jīng)網(wǎng)絡新的基于線性矩陣不等式的無源性條件.理論和仿真結果顯示本文的結果比之前文獻結果更一般,適用性更廣分析了在非線性反饋控制作用下的一類時滯憶阻神經(jīng)網(wǎng)絡的有限時間可鎮(zhèn)定性和不可鎮(zhèn)定性.這里的非線性控制器具有一般性,針對同一控制器選取不同的參數(shù),分別得到時滯憶阻神經(jīng)網(wǎng)絡的有限時間可鎮(zhèn)定性和不可鎮(zhèn)定性的基于M矩陣的判據(jù).由于實際工程實踐中的操作和效率問題,有限時問穩(wěn)定控制(鎮(zhèn)定)具有極大的現(xiàn)實意義.研究了在自適應反饋控制作用下的一類時滯憶阻神經(jīng)網(wǎng)絡的同步.通過合理引進一個ω(t)函數(shù)定義了一個新的誤差.由于函數(shù)ω(t)的選取的靈活性,本章的同步結果不僅包含了傳統(tǒng)的指數(shù)和漸近同步,也包含了多項式和對數(shù)同步.與線性控制相比,這里采用的自適應控制方法更加符合實際經(jīng)濟利益,避免浪費,同時也能被利用來解決其他時滯系統(tǒng)的同步控制問題.探討了在非線性反饋控制作用下的一類時滯憶阻神經(jīng)網(wǎng)絡的一般衰減率同步.首先構造了一個關鍵引理,其包含經(jīng)典指數(shù)穩(wěn)定性定理作為特殊情況.其次通過設計的非線性控制,最終基于引理得到了時滯憶阻神經(jīng)網(wǎng)絡的的φ型同步(一般衰減率同步)結果.這里的,型同步是在一般框架下,通常線性控制不能實現(xiàn),事實上它包含指數(shù)同步,多項式同步以及其他同步作為特殊情況.
[Abstract]:Neurons in the brain and between neurons and non-neurons connect with each other through synapses to transmit information, while amnesia has been shown to have nonlinear electrical properties similar to the plastic responses of synapses to bioelectrical signals. Therefore, memory can be used to simulate synapses and build a neural network circuit based on memory. In this paper, by replacing the resistor in the traditional recurrent neural network circuit, we simulate the synapses of neurons and design several kinds of dynamic systems about delayed memory neural networks, and study its stability and synchronization control problems. These theories lay a theoretical foundation for the applications of memory elements in neural bionics, information dynamic storage and chaotic secure communication. The delayed amnesia neural network is a class of state dependent switched systems, which cannot be dealt with by classical stability theory and method for the continuous differential equations at the right end. Based on the theory of differential inclusion and set-valued mapping, the dynamical behavior of delayed amnesia neural network systems is analyzed under the framework of Filippov's discontinuous stability theory at the right end, including passivity, finite-time stabilizability and non-stabilization. Adaptive synchronization and general attenuation rate synchronization. The following are the main contents of this paper: the passivity of a class of amnesia neural networks with time-varying delays is discussed. Compared with previous literatures, the time-varying delay of the system does not necessarily require differentiable conditions. In this paper, a new passivity condition based on linear matrix inequality (LMI) is established for the delayed recall neural networks under the more general time-delay conditions. Theoretical and simulation results show that the results obtained in this paper are more general than those obtained in previous literatures. The finite time stabilizability and non-stabilization of a class of time-delay memory neural networks under nonlinear feedback control are analyzed. The nonlinear controller is general here. For the same controller different parameters are selected and the criteria of finite time stabilizability and non-stabilization of delayed amnesia neural networks are obtained respectively based on M-matrix. Due to the problem of operation and efficiency in practical engineering practice, it is of great practical significance to control the stability (stabilization) in limited time. The synchronization of a class of delayed amnesia neural networks under adaptive feedback control is studied. A new error is defined by introducing a 蠅 (t) function reasonably. Due to the flexibility of the selection of 蠅 (t) function, the synchronization results of this chapter not only contain the traditional exponential and asymptotic synchronization, but also include polynomial and logarithmic synchronization. Compared with linear control, the adaptive control method proposed here is more in line with the actual economic benefits, avoids waste, and can also be used to solve the synchronization control problem of other time-delay systems. The general attenuation rate synchronization of a class of delayed amnesia neural networks under nonlinear feedback control is discussed. First, a key Lemma is constructed, which contains the classical exponential stability theorem as a special case. Secondly, based on the Lemma, the 蠁 type synchronization (general attenuation rate synchronization) of the delayed amnesia neural network is obtained by the nonlinear control designed. In this case, the type synchronization is in a general framework, usually the linear control can not be realized, in fact, it includes exponential synchronization, polynomial synchronization and other synchronization as special cases.
【學位授予單位】：華中科技大學
【學位級別】：博士
【學位授予年份】：2016
【分類號】：TP183

【相似文獻】

相關期刊論文 前10條

1 云中客;新的神經(jīng)網(wǎng)絡來自于仿生學[J];物理;2001年10期

2 唐春明,高協(xié)平;進化神經(jīng)網(wǎng)絡的研究進展[J];系統(tǒng)工程與電子技術;2001年10期

3 李智;一種基于神經(jīng)網(wǎng)絡的煤炭調(diào)運優(yōu)化方法[J];長沙鐵道學院學報;2003年02期

4 程科,王士同,楊靜宇;新型模糊形態(tài)神經(jīng)網(wǎng)絡及其應用研究[J];計算機工程與應用;2004年21期

5 王凡,孟立凡;關于使用神經(jīng)網(wǎng)絡推定操作者疲勞的研究[J];人類工效學;2004年03期

6 周麗暉;從統(tǒng)計角度看神經(jīng)網(wǎng)絡[J];統(tǒng)計教育;2005年06期

7 趙奇 ,劉開第 ,龐彥軍;灰色補償神經(jīng)網(wǎng)絡及其應用研究[J];微計算機信息;2005年14期

8 袁婷;;神經(jīng)網(wǎng)絡在股票市場預測中的應用[J];軟件導刊;2006年05期

9 尚晉;楊有;;從神經(jīng)網(wǎng)絡的過去談科學發(fā)展觀[J];重慶三峽學院學報;2006年03期

10 楊鐘瑾;;神經(jīng)網(wǎng)絡的過去、現(xiàn)在和將來[J];青年探索;2006年04期

相關會議論文 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡的混沌性[A];1996中國控制與決策學術年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡的新機遇——紀念中國神經(jīng)網(wǎng)絡10周年[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡與圖論[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預報產(chǎn)品的神經(jīng)網(wǎng)絡釋用預報應用[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡在中學生創(chuàng)造力評估中的應用[A];第十二屆全國心理學學術大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年

相關重要報紙文章 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經(jīng)網(wǎng)絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經(jīng)網(wǎng)絡[N];健康時報;2006年

8 劉力;我半導體神經(jīng)網(wǎng)絡技術及應用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡應用研究通過鑒定[N];中國船舶報;2006年

相關博士學位論文 前10條

1 楊旭華;神經(jīng)網(wǎng)絡及其在控制中的應用研究[D];浙江大學;2004年

2 李素芳;基于神經(jīng)網(wǎng)絡的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡的混沌性及幾類時滯神經(jīng)網(wǎng)絡的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學;2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復雜網(wǎng)絡幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關鍵技術研究[D];東南大學;2015年

相關碩士學位論文 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡與高校效益預測的研究[D];華南理工大學;2015年

2 賈文靜;基于改進型神經(jīng)網(wǎng)絡的風力發(fā)電系統(tǒng)預測及控制研究[D];燕山大學;2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學;2015年

4 陳彥至;神經(jīng)網(wǎng)絡降維算法研究與應用[D];華南理工大學;2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡研究[D];西南大學;2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡的遙感圖像分類研究[D];昆明理工大學;2015年

7 李志杰;基于神經(jīng)網(wǎng)絡的上證指數(shù)預測研究[D];華南理工大學;2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡血壓預測研究與系統(tǒng)實現(xiàn)[D];華南理工大學;2015年

9 張韜;幾類時滯神經(jīng)網(wǎng)絡穩(wěn)定性分析[D];渤海大學;2015年

10 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡的穩(wěn)定性分析[D];渤海大學;2015年

，

本文編號：2071655