兩類具有不連續(xù)激勵函數(shù)的神經(jīng)網(wǎng)絡(luò)系統(tǒng)的同步研究.pdf

1、目前，人類生活的許多領(lǐng)域和人工智能密不可分，比如:語音識別、救災(zāi)機器人和圖像識別等.人工智能可以簡單地理解為一種嶄新的能夠像人類智能一樣做出相應(yīng)的反應(yīng)的智能機器.研究智能機器，就必須對其類似人類大腦一樣的神經(jīng)網(wǎng)絡(luò)模型展開研究.許多科研工作者研究發(fā)現(xiàn)在許多現(xiàn)實的神經(jīng)網(wǎng)絡(luò)模型中，神經(jīng)元之間信息傳遞是以不連續(xù)的方式進行的，并且突觸間遞質(zhì)的傳遞有時會出現(xiàn)延遲現(xiàn)象.所以，研究具有不連續(xù)激勵函數(shù)的變時滯神經(jīng)網(wǎng)絡(luò)模型具有一定的現(xiàn)實意義.本文從同步的角

2、度出發(fā)，研究了兩種帶有不連續(xù)激勵函數(shù)的變時滯神經(jīng)網(wǎng)絡(luò)系統(tǒng)的同步.主要研究內(nèi)容如下:
　　由于帶有不連續(xù)激勵函數(shù)的神經(jīng)網(wǎng)絡(luò)模型能更好地描述一些自然現(xiàn)象，本文首先研究了不連續(xù)模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)的全局指數(shù)同步.不同于已有文獻中的方法，本文在Filippov解的框架下，通過對Lyapunov穩(wěn)定性理論的分析和應(yīng)用，給出了一些指數(shù)同步的新結(jié)果.尤其是本文成功地避免了在一些文獻中對激勵函數(shù)的嚴格限制，最后，用兩個例子的數(shù)值模擬驗證了本文理論結(jié)果

3、的正確性.這也進一步說明了本章所提出的同步方法的有效性.
　　另一方面，通過對目前關(guān)于競爭神經(jīng)網(wǎng)絡(luò)研究現(xiàn)狀的分析，我們發(fā)現(xiàn)許多關(guān)于競爭神經(jīng)網(wǎng)絡(luò)同步研究的文獻很少同時考慮不連續(xù)激勵函數(shù)、變時滯以及有限時間同步的情況.在此基礎(chǔ)上，本章考慮了帶有不連續(xù)激勵函數(shù)的變時滯競爭神經(jīng)網(wǎng)絡(luò)的有限時間同步.文中首先給出了一個控制器，以實現(xiàn)競爭神經(jīng)網(wǎng)絡(luò)的有限時間同步，但是為了擴展同步方法的適用范圍，文章進一步簡化了控制器.借助Lyapunov函數(shù)及其