连续、离散时间零化神经网络(ZNN)求解动态矩阵线性方程、动态矩阵逆、动态矩阵Moore-Penrose逆问题

最新推荐文章于 2023-03-26 23:02:20 发布

Bokman

最新推荐文章于 2023-03-26 23:02:20 发布

阅读量2.8k

点赞数 6

分类专栏：数值算法文章标签：算法神经网络

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/Bokman/article/details/110498800

版权

数值算法专栏收录该内容

16 篇文章 4 订阅

订阅专栏

1. 连续、离散ZNN求解动态矩阵线性方程问题：

动态矩阵线性方程问题的定义： A(t)x(t)=b(t)

定义误差函数： $\epsilon(t)=A(t)x(t)-b(t)$

零化神经网络ZNN的演化公式： $\dot\epsilon(t)=-\gamma\epsilon(t)$

综合推导可得用于求解动态矩阵线性方程问题的连续时间ZNN模型：

$A(t)\dot x(t)=-\dot A(t)x(t)+\dot b(t)-\gamma (A(t)x(t)-b(t))$

欧拉前向差分定义：

$\dot x_n=\frac{x_{n+1}-x_n}{g}$

上式中的g表示采样间隔

即可推导得出用于求解动态矩阵线性方程问题的离散时间ZNN模型：

$x_{n+1}=x_n + A^{\dagger}_n(-(A_n-A_{n-1})x_n+b_n-b_{n-1}-\gamma g(A_nx_n - b_n))$

2. 连续、离散ZNN求解动态矩阵逆问题：

动态矩阵线性方程问题的定义： A(t)x(t)=I

定义误差函数： $\epsilon(t)=A(t)x(t)-I$

零化神经网络ZNN的演化公式： $\dot\epsilon(t)=-\gamma\epsilon(t)$

综合推导可得用于求解动态矩阵逆问题的连续时间ZNN模型：

$A(t)\dot x(t)=-\dot A(t)x(t)-\gamma (A(t)x(t)-I)$

欧拉前向差分定义：

$\dot x_n=\frac{x_{n+1}-x_n}{g}$

上式中的g表示采样间隔

根据欧拉前向展开公式进一步推导：

$A_n \frac{x_{n+1}-x_n}{g}=-\frac{A_n - A_{n-1}}{g}x_n-\gamma(A_nx_n-I)$

$A_n x_{n+1}-A_n x_n=-(A_n-A_{n-1})x_n-\gamma g(A_nx_n-I)$

最终整理得到用于求解动态矩阵逆问题的离散时间ZNN模型：

$x_{n+1}=x_n-x_n(-(A_n-A_{n-1})x_n-\gamma g(A_nx_n-I))$

3. 连续、离散ZNN求解动态矩阵Moore-Penrose逆问题：

动态矩阵的Moore-Penrose逆定义：

$M^\text{T}(t)=M^{\dagger}(t)M(t)M^{\text{T}}(t), m<n$

$M^\text{T}(t)=M^{\text{T}}(t)M(t)M^{\dagger}(t), m>n$

上式表示的是右Moore-Penrose逆，下式表示的是左伪逆，在这里仅讨论右伪逆的推导方式。

构造误差函数： $\epsilon(t) = X(t)M(t)M^{\text{T}}(t)-M^{\text{T}}(t)$

零化神经网络ZNN的演化公式： $\dot\epsilon(t)=-\gamma\epsilon(t)$

综合推导可得用于求解动态矩阵Moore-Penrose逆问题的连续时间ZNN模型：

$\small \dot X(t)M(t)M^T(t)=-X(t)\dot M(t)M^T(t)-X(t)M(t)\dot M^T(t)+\dot M^T(t) -\gamma (X(t)M(t)M^T(t)-M^T(t))$

进一步推导可得：

$\small \dot X(t)=(-X(t)\dot M(t)M^T(t)-X(t)M(t)\dot M^T(t)+\dot M^T(t) -\gamma (X(t)M(t)M^T(t)-M^T(t)))(M(t)M^T(t))^{-1}$

使用欧拉前线公式离散化：

$\small x_{n+1}=x_n(-x_n(M_n-M_{n-1})M^T_n-x_nM_n(M^T_n-M^T_{n-1})+M_n^T-M_{n-1}^T-\gamma g(x_nM_nM^T_n-M_n^T))(M_nM_n^T})^{-1}$

综合推导可得用于求解动态矩阵Moore-Penrose逆问题的离散时间ZNN模型：

关注

6
点赞
踩
19

收藏

觉得还不错? 一键收藏
3
评论
连续、离散时间零化神经网络(ZNN)求解动态矩阵线性方程、动态矩阵逆、动态矩阵Moore-Penrose逆问题

1. 连续、离散ZNN求解动态矩阵线性方程问题：动态矩阵线性方程问题的定义：定义误差函数：零化神经网络ZNN的演化公式：综合推导可得用于求解动态矩阵线性方程问题的连续时间ZNN模型：欧拉前向差分定义：上式中的g表示采样间隔即可推导得出用于求解动态矩阵线性方程问题的离散时间ZNN模型：2. 连续、离散ZNN求解动态矩阵逆问题：动态矩阵线性方程问题的定义：定义误差函数：零化神经网络ZNN的演化公式：综合推导可得用于求解动态矩阵逆问题的连续时间ZNN模型
复制链接

扫一扫

专栏目录

评论 3

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。