| 【中文题名】 | 一类时滞二元人工神经网络模型的动力学性质 |
| 【英文题名】 | |
| 【学科专业】 | 应用数学 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2002-9-29 |
| 【中关键词】 | 人工神经网络,动力学,时滞,周期性,渐近性, |
| 【英关键词】 | Artificial neural network,dynamics,delay,periodicity,asymptotic behavior, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 |
本文由二章组成，第一章介绍问题的提出，并引进几个记号。第二章研究了一类具有分段常数不连续信号传递函数的时滞二元人工神经网络模型的动力学性态。这里x(t)，y(t)分别表示两个神经元的活跃程度，内部衰减率μ及突触传递时滞τ_i(i=1，2)均为已知常数；信号传输函数f为其中c≠0表示神经元的连接强度，a和b是阈值。该章分别对阈值a，b的四种情形
(1)1＜a＜b，a＜b＜0及a＜0，b＞1，(2) a=1，b＞a，
(3)a＝0，b＞a，(4) -1＜a＜0＜b＜1，利用泛函微分方程解的分步法，讨论了模型解的渐近性和周期性等问题，给出了一系列的充分条件。所获结果表明系统的动力性态取决于初值、时滞及阈值的大小。当初值、时滞及阈值满足一定的条件时，系统解的轨线或者是同步最终周期或者是收敛到异步的平衡点。这些工作都是新的。 |
| 【论文题纲】 |
|
中文摘要 |
2-3 |
|
英文摘要 |
3-5 |
|
第一章 引言 |
5-8 |
|
1．1 问题的提出 |
5-6 |
|
1．2 约定及记号 |
6-8 |
|
第二章 主要结果及证明 |
8-50 |
|
2．1 当1＜a＜b，a＜b＜O及a＜O，b＞1时，模型解的渐近性 |
8-11 |
|
2．2 当a=1，b＞a时，模型解的渐近性 |
11-18 |
|
2．3 当a=0，b＞a时，模型解的渐近性与周期性 |
18-36 |
|
2．4 当-1＜a＜0＜b＜1时模型解的渐近性与周期性 |
36-50 |
|
第三章 结论 |
50-51 |
|
致谢 |
51-52 |
|
参考文献 |
52-54 |
|
| 【DOI】 | LunWen.ID:2.2008.386570 |
