基于预定义时间收敛的容噪零化神经网络求解时变Sylvester方程

Sylvester方程在数学和控制理论中经常使用,而零化神经网络(ZNN)在求解此类时变方程方面非常有效。对ZNN的收敛性能进行了研究,基于一个预定义时间稳定性定理设计了一个新的激活函数,进而得到了一个用于求解时变Sylvester方程的新的ZNN模型。该模型被称为预定义时间收敛零化神经网络(PTZNN)模型。与之前的ZNN模型相比,所提出的模型提高了收敛速度使其达到了预定义时间收敛并进一步提高了容噪声能力。最后通过仿真模拟验证了该模型在求解时变Sylvester方程方面优于其他已知模型。

离散时间细胞神经网络的收敛性条件

神经网络的收敛性是网络各种应用的基础。主要研究了离散细胞神经网络的收敛性 ,并给出了几个新的网络收敛性条件。如果细胞网络的模板不是互补的 ,则给出一个网络在细胞格子非相互作用演化方式下的收敛性结果 ,所获结果推广了已有的结论。如果模板是互补的 ,且是行占优的 ,则网络按细胞格子行方式进行演化是收敛的。如果模板是互补的 ,且是列占优的 ,则网络按细胞格子列方式进行演化是收敛的。

迭代法求解航天器热网络方程的收敛条件与时间步长优化

热分析计算是航天器热设计验证和在轨温度预示的重要手段,其实质是对描述航天器在轨状态的能量平衡方程即热网络方程的求解。作为典型的非线性问题,航天器热网络方程通常采用迭代法求解,且目前尚无完善的理论可以判断迭代过程的收敛性和收敛条件。文章根据航天器热控设计的工程实际,提出一种可行的近似方法,实现了热网络方程的线性化;在此基础上对迭代法求解过程中的收敛性进行分析,确定了收敛条件下对节点热参数和时间步长的约束关系;并进一步分析时间步长与计算效率的关系,提出了以计算效率为优化目标的最优时间步长确定方法。最后通过某典型航天器热物理模型的计算验证了上述方法的正确性。

IP网络故障收敛时间的测试实现

文章提出了一种基于ICMP协议的测量方法,该方法能够测量出在自愈IP网络中由故障引起的收敛时间。在实际中对以太交换机的生成树协议的倒换恢复收敛时间进行了测试和验证,并分析了试验结果误差。最后与相关的测试方法相比较,总结出此方法的优点。

确定性网络拓扑节点收敛时间预测模型

针对传统的收敛时间预测方法预测速度慢以及预测结果不够准确的问题,提出基于确定性网络拓扑节点收敛时间预测模型。根据网络效率确定了收敛处理时间,按照带宽配比覆盖范围和有效遮挡物估算预测传输路径;通过明确中央节点位置和其他节点数量计算节点反应速率,实现了网络拓扑节点收敛时间预测,完成模型构建。基于上述预测方法,开展了两组对比实验以验证所提方法的有效性。结果表明,在确定性网络拓扑节点收敛时间预测方法下,预测速度比传统方法更快,预测结果均在参考值之上,预测结果准确度比传统方法的预测结果更高,由此可知此方法更有效。

具有不同时间尺度的变时滞竞争神经网络概周期解的存在性和全局指数收敛性

运用不动点理论和微分不等式技巧研究了具有不同时间尺度的变时滞变系数竞争神经网络的概周期解,给出了其存在性和全局指数收敛性的一种判别准则.

机坪感知网络的快速收敛平均一致性时间同步算法

针对机坪感知网络(APSN)的传统平均一致性时间同步算法(ATS)因其分布式迭代特点而导致收敛速度慢、算法效率低的问题,基于代数连通度影响一致性算法收敛速度的原理,提出了一种可快速收敛的平均一致性时间同步算法(FCATS)。首先,在APSN内的双跳邻居节点间添加虚拟链路来增加网络的连通性;然后,基于单跳与双跳邻居节点信息对节点的相对时钟偏斜、逻辑时钟偏斜与偏移进行更新;最后,根据时钟参数更新过程进行一致性迭代。仿真结果表明,FCATS经过一致性迭代能够得到收敛,与ATS相比,在收敛速度上提升了50%左右,在不同拓扑条件下收敛速度能够提升20%以上,可见收敛速度得到了明显改善。

无线传感器网络二阶一致性时间同步

考虑到在无线传感器网络中,新节点的加入或老节点的死亡均会导致拓扑呈动态变化,该文研究一种完全分布式二阶一致性时间同步(Second-Order Consensus Time Synchronization,SOCTS)算法。将节点的时钟特性建模成二阶状态方程,按照伪同步周期广播节点的本地虚拟时间,根据邻居节点的本地虚拟时间的不一致来构造同步控制输入;通过坐标变换将网络的一致性时间同步问题转化为变换系统的稳定性问题,理论分析了SOCTS算法的收敛性和收敛条件,并研究了影响SOCTS算法收敛速度的因素。通过数值仿真实验验证了所提方法的有效性。

非线性时间序列的投影寻踪学习网络逼近

本文研究非线性自回归模型投影寻踪学习网络逼近的收敛性，证明了在Ｌｋ，（ｋ为正整数）空间上，投影寻踪学习网络可以以任意精度逼近非线性自回归模型，给出基于投影寻踪学习网络的非线性时间序列模型建模和预报的计算方法和应用实例，对太阳黑子数据、山猫数据及西安数据进行了拟合和预报，将其结果与改进的ＢＰ网和门限自回归模型相应的结果进行比较，结果表明基于投影寻踪学习网络的非线性时间序列的建模和预报方法是一类行之有效的方法．

时间序列BP神经网络在福州市第三产业值预测中的应用

准确预测福州市第三产业的发展,对今后海峡西岸经济带建设具有举足重轻的意义.本文以福州市1994～2008年第三产业值为基础,采用MATLAB7.0建立非线性时间序列的神经网络预测模型,将1994～2003年的第三产业值作为训练样本,2004～2008年的第三产业值作为测试样本,并计算误差.结果表明:BP神经网络模型收敛速度较快,预测精度较高,对时间序列第三产业值的预测具有较高的应用价值.

基于RBF神经网络的固定时间滑模控制策略研究

为了实现对机械臂末端的高精度跟踪控制,本文提出了一种基于径向基函数(Radial basis function,RBF)神经网络的固定时间滑模跟踪控制策略。首先,建立机械臂的动力学模型。然后,将RBF神经网络和固定时间滑模面结合,设计RBF固定时间滑模控制器,以实现对机械臂末端轨迹的高精度控制;并利用Lyapunov稳定性理论对所设计控制器的理论可行性进行了证明。最后,以二关节机械臂为研究对象进行仿真实验。结果表明:RBF神经网络的固定时间滑模跟踪控制策略能估计模型中的不确定参数,有效地改善了控制效果;并使控制器具有固定时间收敛特性,提高了机械臂的收敛速度。

基于变长帧的无线传感器网络时间同步算法

为降低无线传感器网络同步过程中的能量消耗,加快实现全网络时间同步的收敛速度,提出基于变长帧的时间同步算法。利用精短同步帧结构对时间信息进行压缩,采用短帧、完整帧交替转发保证同步精度,使被同步节点自主判断接收信息的完整性,并通过请求重传机制应对同步过程中的完整帧丢失问题。分析结果表明,实现全网同步的收敛时间与同步开销成正比,变长帧时间同步算法通过去除同步时间数据中的冗余信息,可有效缩短该收敛时间。传感器节点同步实验结果表明,该算法适用于多种时间同步模型,在保证传感网同步精准度的前提下,可减少同步数据通信量,提升能量效率。

基于层次结构的无线传感器网络时间同步研究

结合变电站运维管理的工业现场特点,和无线传感器网络时间同步协议的研究,提出了汇聚节点的双向时间同步定时偏差补偿与传感节点虚拟双向同步相结合的时间同步算法。在网络部署的初期,按照模型布置网关节点和汇聚节点,汇聚节点和传感节点采用不同的时间同步方法。仿真实验表明网络收敛时间和同步精度具有良好性能。

基于有限时间神经网络求解的时变复数矩阵方程

为求解时变复数矩阵方程,根据复数域中两种等价处理非线性激励函数的方法,提出了两种新型有限时间归零神经网络(new finite-time zeroing neural network,NFTZNN)模型。尝试将一种新型激励函数应用到两种NFTZNN模型中,从而提高了模型的综合性能。试验结果表明,与现有的复数神经网络(complex-value zeroing netural network,CVZNN)模型相比,使用新型激励函数的NFTZNN模型在求解时变复数矩阵方程时,收敛速度更快、计算精度更高;并且,根据李亚普洛夫定理计算出的收敛时间上界也更接近实际的收敛时间。本研究提出的神经网络模型能准确快速地求解出复数域中的时变矩阵方程,可以为后续工程应用提供参考。

四元数神经网络的固定时间同步分析

四元数神经网络已被广泛用于动态规则、图像处理、色彩融合等领域。一个未知网络的动力学行为可以基于同步理论和已知网络的动力学行为来研究,故同步控制在人工智能研究中有重要的价值。本文提出一个新的固定时间收敛定理,并给出相应的设定时间上限估算公式。基于该定理,利用Lyapunov稳定理论,设计合适的非线性控制器,得到了四元数神经网络实现固定时间同步的充分条件。

面向时变复数西尔维斯特方程的有限时间神经网络研究

针对时变复数西尔维斯特方程的实时求解问题,提出了两种有限时间神经网络(FTNN)模型。该方案基于张神经网络(ZNN)在实数域中的动力学方法,设计面向复数域的神经动力学方程。针对动力学方程中非线性激励函数的数值计算问题,应用两种等价的处理方法。第一种方法是处理复数输入的实部与虚部,第二种方法是处理复数输入的模数。通过使用有限值激励函数加快FTNN模型的求解速度,进一步提高了模型的收敛速度和计算精度。实验结果表明,在求解时变复数西尔维斯特方程时,相比于传统的周期神经网络求解法,所提出的网络模型具有更好的收敛性和稳定性。

终态神经计算:有限时间收敛性与相关应用

为了改进动态神经网络的收敛性能,引入终态吸引概念,提出终态神经网络及终态计算方法.对矩阵微分方程的终态吸引性进行分析,结果表明:该方法可保证网络有限时间收敛于零.终态神经网络可应用于求解时变矩阵求逆以及冗余机械臂的轨迹规划,仿真算例针对一平面机械臂,末端执行器完成一个封闭轨迹后,关节角回到初始位置,实现可重复运动.仿真结果验证了终态神经网络方法的有效性.

用于有界噪声时变矩阵计算的终端零化神经网络

为提升零化神经网络(ZNN)求解时变矩阵计算问题时的收敛性能,提出一种具有抗噪能力的终端零化神经网络(TZNN)及其对数加速形式(LA-TZNN)。对误差动态的终态吸引性展开分析,结果表明所提网络在受到有界噪声干扰时仍能在固定时间内使误差归零,其中LA-TZNN可实现对数调节时间稳定,收敛速度相较于TZNN更快。考虑到实际情况中初始误差有界,给出半全局意义上的调节时间上界,并通过设置可调参数,使网络实现预定义时间稳定。将2种模型应用于时变矩阵求逆和PUMA560机械臂重复运动规划问题,仿真结果验证了所提方法相较于传统ZNN设计,调节时间更短,收敛精度更高,并能够有效抑制有界噪声干扰。

大规模云计算网络用户短时需求任务调度优化算法

设计一种大规模云计算网络用户短时需求任务调度优化算法,在较短的时间内处理大量的云计算任务,以满足用户短时需求。建立一个大规模云计算网络任务调度模型,将大规模云计算网络任务分配到各个虚拟机节点上,快速完成用户的短时需求任务;再通过遗传算法的个体编解码、自适应函数和遗传操作获取最优任务调度结果;并引入模拟退火算法,在遗传算法获取最佳调度结果的基础上进行局部搜索,直到迭代完成,输出最终的大规模云计算网络用户短时需求任务调度的全局最优解。实验结果表明:所设计算法能够实时关注用户任务执行状态以及用户任务执行时间;当用户任务数量为220时,该算法的单节点最大执行时间约为0.27 s,可提升整个任务调度的性能和效率;且该算法获取任务调度结果的收敛速度快、精度高。

考虑量化和通信受限的有限时间确定学习控制及其应用

本文针对一类含有量化输入和外部扰动的严格反馈非线性系统,提出了一种考虑量化和通信受限的有限时间确定学习控制方法.该方法包含离线学习训练和在线触发控制两个阶段.首先,在离线学习训练阶段采用神经网络对系统中的未知非线性函数进行逼近,引入指令滤波反步技术克服“计算爆炸”的问题,并在控制过程中实现系统未知动态的知识获取和存储.随后,利用所获取的经验知识,设计了基于确定学习机制的在线触发控制器.应用李雅普诺夫稳定性理论证明了闭环系统实际有限时间稳定,跟踪误差在有限时间内收敛到原点的邻域内,并能够排除采样中的芝诺现象.最后,通过飞行器仿真验证了所提方案的有效性.