一類離散與混合分布時滯細胞神經(jīng)網(wǎng)絡(luò)的動態(tài)分析及應(yīng)用.pdf

1、人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks,簡寫為ANNs)也簡稱為神經(jīng)網(wǎng)絡(luò)(NNs),它是一種模擬動物神經(jīng)網(wǎng)絡(luò)行為特征,進行分布式并行信息處理的算法數(shù)學模型。這種網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度,通過調(diào)整內(nèi)部大量節(jié)點之間相互連接的關(guān)系,從而達到處理信息的目的。由于神經(jīng)網(wǎng)絡(luò)軸突的長度和大小有各種途徑并行存在,使其具有了空間的性質(zhì),所以引入無限延遲對它們是適用的。因此,將存在傳導(dǎo)速度沿這些路徑以及相關(guān)的傳播延遲的分布。由于在

2、這種情況下,信號的傳播不是瞬間的,不能被分布時滯和接近于連續(xù)分布時滯的模型所刻畫,因此考慮離散與混合分布時滯的神經(jīng)網(wǎng)絡(luò)模型是更為實用的。
　　 本通過對幾類細胞神經(jīng)網(wǎng)絡(luò)模型的研究,提出了幾種學習規(guī)則和算法,以適應(yīng)不同網(wǎng)絡(luò)模型的需要。首先,給出了人工神經(jīng)網(wǎng)絡(luò)的研究背景和其基本理論以及網(wǎng)絡(luò)的基本模型。其次,給出了一類經(jīng)典細胞神經(jīng)網(wǎng)絡(luò)的定性分析,利用Lyapunov-Krasovskii泛函和Young不等式,證明了系統(tǒng)的耗散性,平衡