不连续激活函数的时滞神经网络的多稳定性

研究了不连续激活函数的时滞神经网络的多稳定性问题,在所研究的神经网络中,激活函数并不需要是连续的和单调的.给出了判断该神经网络多个平衡点存在及局部指数稳定的充分条件.最后,给出了两个数值仿真例子来验证本文获得结果的有效性和较小的保守性.

具有不连续激活函数的复数神经网络的全局指数周期性

具有不连续激活函数的神经网络是一类非常重要的神经网络模型.虽然对具有不连续激活函数的实数神经网络已经有了非常深入的研究,但是对相应的复数神经网络研究成果还不太多.该文利用Filippov微分包含理论,Leray-Schauder替换定理以及Lyapunov函数,对一类具有不连续激活函数的复数神经网络进行了研究,给出了神经网络周期解全局指数稳定的充分条件,最后给出具有仿真的数值例子验证了结果的有效性.

具有混合时变时滞不连续激活函数神经网络的耗散和有限时间同步研究

本文研究了具有混合时变时滞不连续激活函数神经网络的耗散性和有限时间同步问题。首先,在推广Filippov微分包含理论的框架下,利用广义Halanay不等式和矩阵测度的方法,证明了神经网络Filippov解的全局耗散性。其次,利用不等式和一些分析技术,设计了时滞无关不连续反馈控制器,实现了神经网络驱动系统与响应系统的有限时间同步。最后,通过几个算例验证了理论结果的有效性和正确性。

基于一类新型激活函数的递归神经网络的多稳定性分析

本研究基于一类新型连续锯齿型激活函数研究了递归神经网络(Hopfield神经网络)的多稳定性。首先,通过区间剖分法、Brouwer不动点定理证明了基于该激活函数的n维神经网络模型至少具有7n个平衡点,并运用对角占优矩阵理论、局部稳定性判定定理等方法证明了其中4n个平衡点是局部指数稳定的,剩余的平衡点是不稳定的。其次,通过增加锯齿型激活函数的峰值点将激活函数推广到更一般的情况,得到了n维神经网络在含有k个峰值点的连续锯齿型激活函数中至少具有(2k+1)n个平衡点,其中(k+1)n个平衡点为局部稳定的。本研究设计的激活函数相较于现有的一些激活函数会产生更多的稳定平衡点,并且在增加峰值点的过程中不会增加神经网络的计算复杂度。最后,通过两个具体的数值算例验证了本研究结果的有效性。

不连续驱动-响应网络的固定与预定时间同步

研究具有不连续激活函数的驱动-响应网络固定时间与预定时间同步问题.针对不连续系统,通过比较原理和变量代换推导更精确的固定时间稳定性定理,并设计不含线性项的固定时间同步控制器与控制增益有限的预定时间同步控制器.基于所提出的定理与控制器,结合不连续微分方程理论,分别得到实现网络固定时间同步与预定时间同步的充分条件.预定同步时间可根据实际情况预先指定,与系统初始值及控制器参数无关.数值模拟结果验证了稳定性定理的正确性与同步时间估计的准确性.

一类不连续复杂网络的指数同步研究

研究了具有不连续激活函数的复杂网络受非线性干扰通过时滞脉冲和反馈控制达到指数同步的问题,其中反馈控制和时滞脉冲控制用以克服不连续的激活函数对复杂动力网络造成的影响;基于Filippov解、微分包含、Lyapunov函数方法等,提出了几个充分条件,保证了不连续的复杂动力网络达到指数同步;研究结果是对以前结果的推广和改进,可直接应用于连续复杂动力网络;最后通过数值模拟验证了理论的有效性。

带有耦合时滞的不连续非恒等节点复值复杂网络通过反馈控制达到有限时间同步

研究了带有耦合时滞的不连续非恒等节点复值复杂网络通过反馈控制控制达到有限同步的问题,其中半牵制反馈控制被设计,基于Filippov解理论和李雅普诺夫函数法等,提出了保证复值复杂动力网络的有限时间同步的一些充分条件,结果是基于先前结果的促进和改善.最后,通过数值模拟证明了结果的有效性.

具有时变时滞的不连续复杂网络固定与预定时间同步

本文研究了同时具有内部时变时滞和耦合时变时滞的不连续复杂网络的固定时间与预定时间同步问题。基于固定时间稳定性定理及其引理,设计了新的状态反馈控制器,实现了复杂网络的固定与预定时间同步。在Filippov微分包含框架下,通过应用Lyapunov-Krasovskii泛函方法和不等式分析方法,以线性矩阵不等式的形式得到了含有时滞的不连续复杂网络的固定时间与预定时间同步判定准则。最后用数值模拟验证了控制器的有效性与理论的正确性。

强大的错误记忆效应:词表呈现时间与呈现方式的影响

本研究采用DRM范式(Deese-Roediger-McDermott paradigm),考察了词表项目的呈现时间与呈现方式对错误记忆效应的影响。结果发现,被试对关键诱饵的错误再认受到学习阶段词表项目的呈现方式的影响,表现为所有项目随机呈现条件下的错误再认明显低于分组呈现条件,尤其是在20ms的随机呈现条件下,观察到了对关键诱饵的最低错误再认率。说明在对词表项目的编码阶段产生了对关键诱饵的连续激活,而对关键诱饵的错误记忆则是基于连续激活的不断累积的结果,当词表项目的随机呈现阻断了连续激活过程时,便会有效降低错误记忆效应。而且,在所有实验条件下均发现了错误记忆效应产生中所伴随的强烈主观体验,证实了错误记忆是一种强大的效应。

具有外部干扰的耦合时滞神经网络固定时间二分同步

针对结构平衡图与结构非平衡图的网络拓扑,考虑了一类具有外部干扰的耦合时滞神经网络模型,分别设计了其固定时间同步控制协议.借助固定时间稳定性理论与不等式技巧,获得了耦合网络在固定时间内达到同步的充分性判据,给出了具体的收敛时间上界,并验证了固定时间同步网络的鲁棒性与抗干扰性.为了扩大网络模型的适用性,考虑的神经网络激活函数为非连续的函数,可借助微分包含与集值李导数理论解释非连续微分方程的动力学行为.最后,分别在结构平衡图和非平衡图下对耦合神经网络的固定时间二分同步进行了数值仿真,验证了控制算法的有效性及理论结果的正确性.

四元数双向联想记忆神经网络的固定时间控制

将双向联想记忆(bidirectional associative memory,BAM)神经网络扩展到四元数域,提出了一类新的四元数双向联想记忆神经网络(quaternion-valued bidirectional associative memory neural networks,QVBAMNNs)。通过对四元数的分解并运用微分包含理论,将原始的四元数值系统转化为等价的实值系统,并利用Lyapunov方法研究了主从QVBAMNNs的固定时间同步问题。通过设计一个不连续状态反馈控制器,得到了保证QVBAMNNs达到固定时间同步的新准则。最后,通过数值仿真验证了所得结果的正确性。

Absolute Exponential Stability of Generalized Dynamical Neural Networks

This paper investigates the absolute exponential stability of generalized neural networks with a general class of partially Lipschitz continuous and monotone increasing activation functions. The main obtained result is that if the interconnection matrix T of the neural system satisfies that - T is an H matrix with nonnegative diagonal elements, then the neural system is absolutely exponentially stable(AEST). The Hopfield network, Cellular neural network and Bidirectional associative memory network are special cases of the network model considered in this paper. So this work gives some improvements to the previous ones.