一类简化的n个神经元时滞BAM神经网络模型的振动性

该文研究一类简化的n个神经元时滞BAM神经网络模型的振动性.利用Chafee的结论,可以证明一类简化的n个神经元时滞BAM神经网络有唯一平衡点且不稳定.这种特殊类型的不稳定性,结合系统所有解的有界性会迫使网络产生永久振动.得出此种振动行为产生的两个充分条件,典型的数值仿真证明了理论结论的正确性.

带有N个不同神经元的神经网络混沌性

研究一类n个神经元的神经络系统的混沌性,通过转移变换把延迟神经网络系统转化为无延迟时间的无穷维等价系统,通过无穷维系列空间的转移映射性质获得n个神经元的离散神经网络系统的一个闭不变集,并证明此类具有n个神经元的离散神经网络系统的转移子系统与双边符号转移动力系统拓扑共轭。从而证明这类具有n个神经元的离散神经网络系统的混沌性。

二进神经网络表达奇偶校验问题的隐元最小数目上界

二进神经网络采用线性分类,是结构简单又易于实现的一类神经网络,在许多应用领域中都有重要研究价值.对于单隐层二进神经网络,目前隐层规模的确定问题仍然没有明确的研究结论.本文在研究隐层规模问题的过程中,提出了布尔空间的最多孤立样本问题.在二进神经网络隐层神经元各自表达一个"与"关系,所有隐层神经元通过输出元形成"或"关系的情况下,证明了实现最多孤立样本问题需2n?1个隐层神经元.更重要的是,指出了n元奇偶校验问题和最多孤立样本结构的等价性.进一步地,通过引入隐层抑制神经元将隐元数目降为n,说明了抑制神经元在二进神经网络中的重要作用.最后,在Hamming球与SP函数的基础上,揭示出抑制神经元和n元奇偶校验问题的逻辑关系,并给出了奇偶校验问题的逻辑式表达.