【作者】 ;
【导师】 ;
【作者基本信息】 电子科技大学, 计算机软件与理论, 2010, 博士
【摘要】 自上世纪80年代以来,作为研究和应用上的一个热点,神经网络一直吸引了众多学者、工程师和一流的学术研究机构的关注,许多重要的研究成果被应用于经济、军事、工程、医学、金融等领域中。多稳定性是神经网络研究中的一个重要性质。单稳定的神经网络通常只有一个稳定的平衡点,而多稳定的神经网络则具有多个稳定的平衡点。单稳定神经网络计算能力是有限的,只能应用某些特定优化问题,对于优化问题自身存在多个最优解则通常无能为力。因此在对多稳定神经网络的研究和应用,也是神经网络发展的必然趋势和结果。本论文研究离散时间类型的多稳定回复式神经网络模型。和连续时间类型的神经网络相比,离散时间类型神经网络在计算机直接模拟和数字线路硬件的实现上更容易实现。全文按照神经网络的数据处理类型,可分为两方面的研究:1.关于复数神经网络的研究在复数神经网络中,网络的输入输出,权值和神经元激励函数,都可以是复值的。复数神经网络在电子工程、信息学、控制工程、生物工程等等许多领域都有非常重要的应用。本文则关注于复数回复式神经网络的收敛性分析,研究内容包括:(1)提出了一种基于多值神经元(MVN)激励函数的回复式神经网络离散模型,以及对应的同步更新迭代算法,并给出了网络稳定和完全收敛需要满足的条件。(2)提出一种基于复值线性阈值(CLT)神经元激励函数的回复式神经网络离散模型,给出了网络的有界性,稳定性和完全收敛的条件,成功把原先实数领域的多稳定性研究结果推广到复数域上,为后续的研究和应用提供了一定的理论基础。2.关于实数神经网络的研究和应用