神经网络的稳定性阐明
摘 要
自从1982年Hopfield神经网络模型提出以来,稳定性的分析一直是神经网络
理论的研究重点.主要原因在于这类神经网络的应用(例如最优化、联想记忆、信
号处理、图像处理以及模式识别)都与网络的稳定性有关.本文对于几类神经网络
模型的稳定性进行了研究.
在第一章,我们分析了带有延迟的Hopfield神经网络模型.证明了模型在一定
条件下存在唯一的平衡点.通过构造一类新的Lyapunov函数,我们给出了关于神
经网络全局指数收敛的几个新的充分性条件.我们也与文献中的结果进行了比较
的全局指数稳定性分析,并且指出,当神经网络的激发函数(ActivationFm_lctions)
取为双曲正切函数时,在条件的临界状态下,系统的平衡点仍然是全局渐进收敛的.
Asso.
我们在第三章讨论了带有延迟的双向联想记忆的神经网络(Bidirectional
ciative Neural
MemoryNetworks)的稳定性.通过对模型的简化,我们得出了几个
平衡点的全局指数收敛的充分性条件,
第四章研究了Cohen—GrossbeIg神经网络模型.通过定义两类范数,在一定条
件下我们直接证明了模型的全局指数稳定性.在条件的临界状态时,我们也分析了
平衡点的全局渐进稳定性.
关键词:神经网络;收敛性;延迟;全局指数稳定;渐进稳定;
Abstract
and
neuralnetworkstheir
various havebeen in--
Hopfield—,type generations deeply
duetotheir ioneitherasassociative
applicaI
vestigatcd promising memories(orpattern
as Inboth
solvers of
recognition)oroptimization applications,the the
stability
analysis
networks
is this some
neuralnetworkmodels
prerequisite.Inpaper,we and
investigate
some analysis
give stability
In discussthe fleuralnetworkswithtime A of
chapter1,we Hopfield set new
delays
sufficient
conditionsthe and
ensuring
existence,uniqueness