论文部分内容阅读
本文简要介绍了人工神经网络及其历史发展、基本特性、优点及其应用,概括了课题研究的国内外现状和意义,并利用Lyapunov稳定性理论、Schur引理和线性矩阵不等式(LMI)技巧,主要分析了时滞静态递归神经网络的全局渐近稳定性、全局鲁棒稳定性以及基于T-S模糊的神经网络全局稳定性等问题,得到了一系列系统稳定的判定条件,通过数值仿真验证了所得结论的有效性。
本文主要研究工作有:
1.研究了时滞静态递归神经网络的全局渐近稳定问题,借助Lyapunov泛函以及不等式技巧,分别得到定常时滞系统和时变时滞系统的稳定性判据,使时滞静态递归神经网络稳定性判据适用于同时存在多种形式时延和时滞变化速率过快的大电路实现问题,并给出仿真数值实例,验证了所得结论的有效性。
2.探讨了时滞静态递归神经网络的全局鲁棒稳定问题.获得了一个关于这类系统平衡点全局鲁棒稳定的新判据,与前人所得到的一些稳定性判据进行比较,所得结论不仅为多种不确定形式的鲁棒稳定提供了判定条件,并且放宽了神经网络的时滞变化速率tD<1的条件,最后通过Matlab LMI Toolbox对数值实例进行求解和验证。
3.分析了基于T-S模糊的时滞静态递归神经网络全局稳定问题,利用Lyapunov稳定性理论和不等式技巧,分别获得了时变时滞模糊神经网络全局渐近稳定和全局鲁棒稳定的判定条件.研究结论拓宽了时滞静态神经网络的应用,与以往该网络研究的内容相比较,主要优势体现在将神经网络与模糊推理系统进行了较紧密的结合,使其应用拓展到了模糊范围,不需要所有条件都具有精确的数值,并通过数值仿真说明了所得结论的有效性和优越性,