2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩109頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、本文利用矩陣測(cè)度理論,線性矩陣不等式的技巧,Lyapunov泛函方法,研究四類(lèi)變時(shí)滯神經(jīng)網(wǎng)的穩(wěn)定性問(wèn)題,得到一些改進(jìn)的利用線性矩陣不等式表示的變時(shí)滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性的新判據(jù)。
  首先,回顧神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程,然后介紹神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性的研究背景和研究現(xiàn)狀,并且概述本論文所做的主要研究工作。研究?jī)?nèi)容如下:
  變時(shí)滯細(xì)胞神經(jīng)網(wǎng)絡(luò)的時(shí)滯相關(guān)漸近穩(wěn)定性問(wèn)題?;贚yapunov-Krasovslii穩(wěn)定性理論和矩陣不等式的技巧,選擇

2、新的含有三重積分的Lyapunov-Krasovslii泛函,推導(dǎo)出具有變時(shí)滯細(xì)胞神經(jīng)網(wǎng)絡(luò)系統(tǒng)的漸近穩(wěn)定性的新判據(jù),改進(jìn)和推廣已有的一些結(jié)論。最后給出的數(shù)值例子表明本文結(jié)論的有效性。
  具有離散變時(shí)滯與分布變時(shí)滯的神經(jīng)網(wǎng)絡(luò)的全局指數(shù)穩(wěn)定性問(wèn)題。將離散常時(shí)滯區(qū)間和離散變時(shí)滯區(qū)間分割成多個(gè)小區(qū)間,通過(guò)構(gòu)造新的Lyapunov-Krasovslii泛函,得到所研究系統(tǒng)時(shí)滯相關(guān)全局指數(shù)穩(wěn)定性的線性矩陣不等式判定條件。由于使用凸多面體方法

3、,因此得到的結(jié)論比已有文獻(xiàn)的保守性低。最后給出的數(shù)值例子表明本文結(jié)論的有效性。
  時(shí)滯由兩部分組成的變時(shí)滯神經(jīng)網(wǎng)絡(luò)的時(shí)滯相關(guān)漸近穩(wěn)定性問(wèn)題。首先選擇新的Lyapunov-Krasovslii泛函,然后結(jié)合倒凸方法和自由權(quán)矩陣的方法,推導(dǎo)出保持系統(tǒng)漸近穩(wěn)定的新的判定準(zhǔn)則。最后給出的一個(gè)數(shù)值例子驗(yàn)證本文結(jié)論的有效性。
  具有馬爾科夫跳躍的轉(zhuǎn)移率部分未知的變時(shí)滯神經(jīng)網(wǎng)絡(luò)的時(shí)滯相關(guān)隨機(jī)穩(wěn)定性問(wèn)題。首先選擇新的含有三重積分的Lya

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論