具分布参数的广义随机神经网络的镇定

研究具分布参数的Cohen Grossberg广义随机神经网络的镇定性。将所考虑的系统的解随机场关于空间变量的积分视为相应的由随机常微分方程描述的神经网络的解过程来讨论其镇定性。具体实施方法是运用It 微分公式沿系统对构造的关于空间变量平均的Lyapunov函数进行微分,从而克服了研究具分布参数随机系统无相应It 公式的困难。

广义随机模糊神经网络及在随机混沌时间序列预测中的应用

针对随机模糊神经网络缺乏自适应性,引入广义高斯函数和广义随机模糊神经网络,使系统中隶属函数具有自适应性;并对参数进行遗传退火算法优化,使系统具有最佳结构和参数。以随机混沌时间序列为例进行仿真预测分析,结果表明广义随机模糊神经网络能够更好地预测原随机混沌时间序列,精度良好,具有抗噪声干扰能力。