连续零化神经网络模型求解时变、时不变二次极小化问题(Time-Variant Quadratic Minimization)

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858

点赞数 1

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/115352124

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. ZNN求解时变二次极小化问题：

时变二次极小化问题的定义：

$\text{min} ~~ \frac{1}{2}x^T(t)Q(t)x(t)+p^T(t)x(t)$

$\text{Let}~~M(t,x)=\frac{1}{2}x^T(t)Q(t)x(t)+p^T(t)x(t)$

M(t,x)的梯度可以写为如下形式：

$\nabla M(t,x)=\frac{\partial M(t,x)}{\partial x}=Q(t)x(t)+p(t).$

显然当 $\nabla M(t,x)=0$ 时，即可得到问题的理论解，因此需要构造：

$Q(t)x(t)+p(t)=0$

进一步构造：

$\epsilon (t)=Q(t)x(t)+p(t).$

根据积分增强ZNN的定义公式：

$\dot\epsilon (t)=-\gamma \epsilon(t)-\mu\int_0^t\epsilon(\tau)d\tau.$

可以得到最终用于求解时变二次极小化问题的ZNN模型：

$Q(t)\dot x(t)=-\dot Q(t)x(t)-\dot p(t)-\gamma (Q(t)x(t)+p(t))-\mu\int_0^t (Q(\tau)x(\tau)+p(\tau))d\tau$

2. ZNN求解时不变二次极小化问题：

时不变二次极小化问题的定义：

$\text{min} ~~ \frac{1}{2}x^T(t)Qx(t)+p^Tx(t)$

$\text{Let}~~M(t,x)=\frac{1}{2}x^T(t)Qx(t)+p^Tx(t)$

M(t,x)的梯度可以写为如下形式：

$\nabla M(t,x)=\frac{\partial M(t,x)}{\partial x}=Qx(t)+p.$

显然当 $\nabla M(t,x)=0$ 时，即可得到问题的理论解，因此需要构造：

$Qx(t)+p=0$

根据积分增强ZNN的定义公式，可以得到最终用于求解时变二次极小化问题的ZNN模型：

$Q\dot x(t)=-\gamma (Qx(t)+p)-\mu\int_0^t (Qx(\tau)+p)d\tau$

关注

1
点赞
踩
4

收藏

觉得还不错? 一键收藏
1
评论
连续零化神经网络模型求解时变、时不变二次极小化问题(Time-Variant Quadratic Minimization)

ZNN求解时变二次极小化问题：二次极小化问题的定义：M(t,x)的梯度可以写为如下形式：显然当时，即可得到问题的理论解，因此需要构造：进一步构造：根据积分增强ZNN的定义公式：可以得到最终用于求解时变二次极小化问题的ZNN模型：...
复制链接

扫一扫

专栏目录

评论 1

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。