×
张松川;夏、游深;郑伟兴

一种复值神经动态优化方法及其稳定性分析。 （英语） Zbl 1325.90106号

神经网络。 61, 59-67 (2015)。
摘要：本文提出了一种求解复值非线性凸规划问题的复值神经动力学方法。理论上，我们证明了所提出的复值神经动力学方法是全局稳定的，并且收敛到最优解。所提出的神经动力学方法在复域中完全推广了实值非线性拉格朗日网络。与现有求解复值二次凸规划问题的实值神经网络和数值优化方法相比，所提出的复值神经动力学方法可以避免在双实值空间中进行冗余计算，因此具有较低的模型复杂度和存储容量。数值模拟表明了所提出的复值神经动力学方法的有效性。

引用于9文件

MSC公司：

90 C59 数学规划中的近似方法和启发式
90C25型 凸面编程
90立方 非线性规划

关键词：

复值神经动力系统;\（\mathbb{CR}\）微积分;非线性凸规划;复杂变量;整体稳定性分析

软件：

复杂优化工具箱;CVX公司
PDF格式BibTeX公司 XML格式引用
\textit{S.Zhang}等人，神经网络。61、59-67（2015；Zbl 1325.90106）
全文： 内政部

参考文献：

[1] Aizenberg，I.N.，使用单个通用二进制神经元解决异或和奇偶校验N问题，《软计算》，12，3，215-222（2008）·Zbl 1128.68079号
[2] 艾森伯格，I。；德米特里，P.V。；Zurada，J.M.，基于多值神经元的多层神经网络模糊识别，IEEE神经网络汇刊，19883-898（2007）
[3] 博伊德，S。；Vandenberghe，L.，凸优化（2006），剑桥大学出版社：剑桥大学出版社
[4] Brandwood，D.H.，复梯度算子及其在自适应阵列理论中的应用，《电气工程师学会学报》，130，11-16（1983）
[5] Cha，I。；Kassam，S.A.，使用自适应复数径向基函数网络的信道均衡，IEEE通信选定领域杂志，13，122-131（1995）
[6] Chong，E.K.P。；Hui，S。；Zak，S.H.，用于解决线性规划问题的一类神经网络的分析，IEEE自动控制汇刊，44,111995-2006（1999）·Zbl 0957.90087号
[7] Cichocki，A。；Unbehauen，R.，《用于优化和信号处理的神经网络》（1993），威利：威利-奇切斯特·Zbl 0824.68101号
[8] Forti，M。；尼斯特里，P。；Quincampoix，M.，非光滑非线性规划问题的广义神经网络，IEEE电路与系统汇刊。I.常规论文，511741-1754（2004）·Zbl 1374.90356号
[9] Forti，M。；尼斯特里，P。；Quincampoix，M.，通过非光滑Lojasiewicz不等式解决编程问题的神经网络收敛，IEEE神经网络汇刊，17，1471-1486（2006）
[10] Goh，S.L.公司。；陈，M。；波波维奇，D.H。；Aihara，K。；奥布拉多维奇（D.Obradovic）。；Mandic，D.P.，风廓线的复杂值预测，可再生能源，31，11，1733-1750（2006）
[11] Goh，S.L。；Mandic，D.P.，非线性自适应滤波器的一般复数RTRL算法，神经计算，16，2699-2713（2004）·Zbl 1062.68098号
[12] Goh，S.L。；Mandic，D.P.，复值递归神经网络的增广扩展卡尔曼滤波算法，神经计算，19，4，1-17（2007）·Zbl 1118.68118号
[14] Hanna，A.I。；Mandic，D.P.，《复值非线性自适应滤波器的通用全自适应归一化梯度下降学习算法》，IEEE信号处理学报，51，2540-2549（2003）·Zbl 1369.94162号
[15] Hirose，A.，《复杂值神经网络：理论和应用》（2004），《世界科学》
[16] 广濑，A。；Yoshida，S.，与信号一致性相关的复值前馈神经网络的泛化特征，IEEE神经网络和学习系统汇刊，23，541-551（2012）
[17] Hjorunnes，A。；Gesbert，D.，《复值矩阵微分：技术和关键结果》，IEEE信号处理学报，55，6，2740-2746（2007）·Zbl 1390.65040号
[18] 胡，J。；Wang，J.，具有时滞的复值递归神经网络的全局稳定性，IEEE神经网络和学习系统汇刊，23853-865（2012）
[20] 黄，G.B。；周，H。；丁，X。；Zhang，R.，回归和多类分类的极端学习机，IEEE系统汇刊，人与控制论，B部分（控制论），42，2，513-529（2012）
[21] 贾维迪，S。；Mandic博士。；Kuh，A.，复杂源自适应估计中复杂矩阵实函数的优化，（绿色电路与系统（ICGCS），2010年国际会议（2010年），IEEE），30-35
[22] 建平，D。；Sundararajan，N。；Sarathandran，P.，使用复值最小径向基函数神经网络的通信信道均衡，IEEE神经网络汇刊，13，687-696（2002）
[24] 李，M.B。；黄，G.B。；萨拉昌德兰，P。；Sundararajan，N.，《完全复杂极限学习机器》，神经计算，68，306-314（2005）
[25] Loesch，B。；Yang，B.，《圆形和非圆形复杂独立分量分析的Cramer-Rao界》，IEEE信号处理汇刊，61365-379（2013）·Zbl 1394.62078号
[26] 卢·W。；Wang，J.，一类非光滑梯度系统的收敛性分析，IEEE电路与系统汇刊。I.定期论文，55，113514-3527（2008）·Zbl 1246.65013号
[27] Lustig，M。；多诺霍，D。；Pauly，J.M.，《稀疏MRI：压缩传感在快速MR成像中的应用》，《医学中的磁共振》，6，1182-1195（2007）
[28] Mandic，D.P。；Goh，S.L.，《复值非线性自适应滤波器：非圆性、广泛线性和神经模型》（2009），威利出版社，纽约·Zbl 1165.94301号
[30] Mandic，D.P。；斯蒂尔，S。；Douglas，S.C.，《宽线性和双通道自适应滤波之间的二重性》（声学、语音和信号处理，2009年）。2009年IEEE声学、语音和信号处理国际会议。IEEE国际会议，ICASSP 2009（2009），IEEE，1729-1732
[31] Nitta，T.，《复杂值神经网络：利用高维参数》（2009），IGI Global
[32] 奥本海姆公司。；Lim，J.S.，相位在信号中的重要性，IEEE会议记录，69，5，529-541（1981）
[33] Perfetti，R。；Todisco，M.，凸二次优化的准拉格朗日神经网络，IEEE神经网络汇刊，199804-1809（2008）
[34] Remmert，R.，《复函数理论》（1991），Springer-Verlag:Springer-Verlag纽约·Zbl 0732.32002号
[35] Sorber，L。；巴雷尔，M.V。；Lathauwer，L.D.，复变量实函数的无约束优化，SIAM优化杂志，22，3，879-898（2012）·Zbl 1260.90150号
[36] W.Squire。；Trapp，G.，《使用复变量估计实函数导数》，SIAM Review，40，1，110-112（1998）·Zbl 0913.65014号
[37] Tan，Y。；史J。；Tan，K.C.，求解等式约束复值二次规划问题的递归神经网络，（ICSI 2010，第二部分。ICSI 2010第二部分，LNCS，第6146卷（2010）），321-326
[38] 北卡罗来纳州瓦哈尼亚。；Kandelaki，N.P.，《复希尔伯特空间中数值的随机向量》，概率论及其应用，41，1，116-131（1996）·Zbl 0888.60006号
[39] Van den Bos，A.，复杂梯度和Hessian，IEE Proceedings。视觉、图像和信号处理，141380-382（1994）
[40] Wang，J。；胡，Q。；Jiang，D.，冗余机械手运动学控制的拉格朗日网络，IEEE神经网络汇刊，10，5，1123-1132（1999）
[41] 魏毅。；Wu，H.，广义逆的表示与逼近（A_{T，S}^{（2）}），应用数学与计算，263-276（2003）·Zbl 1027.65048号
[42] Xia，Y.S.，拉格朗日网络的全局收敛性分析，IEEE电路与系统汇刊I：基础理论与应用，50818-822（2003）·Zbl 1368.90165号
[43] Xia，Y.S。；Feng，G.，鲁棒LCMP波束形成的神经网络，信号处理，35，54-64（2006）·兹比尔1172.94504
[44] Xia，Y.S。；冯，G。；Kamel，M.S.，解决非线性规划问题的神经动力学方法的开发和分析，IEEE自动控制汇刊，52，2154-2159（2007）·Zbl 1366.90197号
[45] 曾，Z。；Wang，J.，基于离散时间递归神经网络类的高容量联想存储器的分析与设计，IEEE系统学报，人与控制论，B部分（控制论），38，6，1525-1536（2008）
[46] 张，S。；Constantinides，A.G.，拉格朗日编程神经网络，IEEE电路和系统汇刊II：模拟和数字信号处理，39，7，441-452（1992）·Zbl 0758.90067号
[47] 张永伟。；Ma，Y.L.，复杂域主成分提取的CGHA，IEEE神经网络汇刊，81031-1036（1997）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。