×
克日什托夫·帕坦

离散级联局部递归神经网络的局部稳定性条件。 （英语） Zbl 1300.93110号

国际期刊申请。数学。计算。科学。 20，第1期，23-34（2010）.
摘要：本文研究了一种用动态神经元模型设计的离散时间递归神经网络。动力学在每个单个神经元内再现，因此所考虑的网络是局部递归的全局前馈。动态型神经网络的一个关键问题是学习问题的稳定性和稳定性。本文利用李亚普诺夫第一方法，给出了所分析的一类神经网络的局部稳定性条件。此外，将镇定问题定义为一个约束优化任务并进行求解。为了解决这个问题，采用了梯度投影法。通过大量实验验证了该方法的有效性和实用性。

引用于2文件

MSC公司：

93C55美元 离散时间控制/观测系统
92B20型 生物研究、人工生命和相关主题中的神经网络
68T05型 人工智能中的学习和自适应系统
93D05型 李亚普诺夫和控制理论中的其他经典稳定性（拉格朗日、泊松、（L^p、L^p）等）

关键词：

局部递归神经网络;稳定性;稳定;学习;约束优化
PDF格式BibTeX公司 XML格式引用
\textit{K.Patan}，国际期刊应用。数学。计算。科学。20，第1号，23--34（2010；Zbl 1300.93110）
全文： 内政部

参考文献：

[1] Back，A.D.和Tsoi，A.C.（1991年）。FIR和IIR突触，用于时间序列建模的新神经网络结构，神经计算3（3）：375-385·doi:10.1162/neco.1991.3.3.375
[2] Campolucci，P.和Piazza，F.（2000年）。递归滤波器和神经网络的固有稳定性控制方法，IEEE电路和系统汇刊-II:模拟和数字信号处理47（8）：797-802。
[3] Cannas，B.、Cincotti，S.、Marchesi，M.和Pilo，F.（2001年）。通过局部递归神经网络学习蔡氏电路吸引子，混沌孤子与分形12（11）：2109-2115·Zbl 0981.68135号 ·doi:10.1016/S0960-0779（00）00174-0
[4] 曹J.、袁K.和李H.（2006）。具有多个离散延迟和分布延迟的递归神经网络的全局渐近稳定性，IEEE神经网络汇刊17（6）：1646-1651·doi:10.1109/TNN.2006.881488
[5] Ensari，T.和Arik，S.（2005）。具有多个时变时滞的神经网络的全局稳定性分析，IEEE自动控制汇刊50（11）：1781-1785·Zbl 1365.93423号 ·doi:10.1109/TAC.2005.858634
[6] Fasconi，P.、Gori，M.和Soda，G.（1992年）。局部反馈多层网络，神经计算4（1）：120-130·doi:10.1162/neco.1992.4.1.120
[7] Forti，M.、Nistri，P.和Papini，D.（2005年）。无限增益时滞神经网络的全局指数稳定性和有限时间内的全局收敛性，IEEE神经网络汇刊16（6）：1449-1463·doi:10.1109/TNN.2005.852862
[8] Gori，M.、Bengio，Y.和Mori，R.D.（1989）。BPS：捕捉语音动态特性的学习算法，神经网络国际联合会议，美国华盛顿特区，第二卷，第417-423页。
[9] Gupta，M.M.、Jin，L.和Homma，N.（2003）。静态和动态神经网络。《从基础到高级理论》，John Wiley&Sons，新泽西州霍博肯。
[10] Gupta，M.M.和Rao，D.H.（1993年）。动态神经单元在未知非线性系统控制中的应用，《智能与模糊系统杂志》1（1）：73-92。
[11] Marcu，T.、Mirea，L.和Frank，P.M.（1999）。动态神经网络的发展及其在基于观测器的故障检测和隔离中的应用，国际应用数学与计算机科学杂志9（3）：547-570·兹比尔0945.93517
[12] Patan，K.（2007）。一类离散动态神经网络的稳定性分析与镇定，IEEE神经网络汇刊18（3）：660-673·doi:10.1109/TNN.2007.891199
[13] Patan，K.（2008a）。局部递归全局前馈神经网络的状态空间轨迹拟合，神经网络21（1）：59-64·Zbl 1254.93107号 ·doi:10.1016/j.neunet.2007.10.004
[14] Patan，K.（2008b）。《用于技术过程建模和故障诊断的人工神经网络》，《控制和信息科学讲稿》，第377卷，柏林施普林格-弗拉格出版社。
[15] Patan，K.（2008c）。三层本地递归网络的稳定性标准，第17届IFAC自动控制世界大会会议记录，韩国首尔，（光盘）·Zbl 1254.93107号
[16] Patan，K.和Parisini，T.（2005）。用于故障检测和隔离的神经动力学模型的识别：以真实的糖蒸发过程为例，《过程控制杂志》15（1）：67-79·doi:10.1016/j.jprocon.2004.04.001
[17] Patan，K.、Witchzak，M.和Korbicz，J.（2008）。《基于神经网络的故障诊断中的鲁棒性》，国际应用数学与计算机科学杂志18（4）：443-454，DOI:10.2478/v10006-008-0039-2·Zbl 1155.93344号 ·数字对象标识代码：10.2478/v10006-008-0039-2
[18] Tsoi，A.C.和Back，A.D.（1994年）。局部递归全局前馈网络：对架构的批判性评论，IEEE神经网络汇刊5（2）：229-239·doi:10.1109/72.279187
[19] 向群，L.和张海勇（2000）。基于参数估计和神经网络的永磁直流电机故障检测与诊断，IEEE工业电子学报47（5）：1021-1030·数字对象标识代码：10.1109/41.873210
[20] Zhang，J.、Morris，A.J.和Martin，E.B.（1998）。基于混合阶局部递归神经网络的长期预测模型，计算机化学工程22（7-8）：1051-1063·doi:10.1016/S0098-1354（97）00269-X
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。