神經(jīng)網(wǎng)絡(luò)的狀態(tài)控制參數(shù)優(yōu)化問(wèn)題研究
發(fā)布時(shí)間:2021-08-27 02:24
研究主要基于競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)模型.在相同的模型中,不同的參數(shù)會(huì)使得研究?jī)?nèi)容和方法完全不同,因此本文研究?jī)?nèi)容分為兩個(gè)部分.在證明各自系統(tǒng)穩(wěn)定性的前提下,分別針對(duì)控制協(xié)議和激活函數(shù)的參數(shù)進(jìn)行了優(yōu)化.兩者存在一個(gè)遞進(jìn)關(guān)系,在一個(gè)固定模型達(dá)到同步之后,針對(duì)實(shí)際情況,結(jié)合憶阻器概念,構(gòu)造出隨狀態(tài)變量跳變的模型.本文提出了一個(gè)優(yōu)化算法——局部搜索算法,參考現(xiàn)代控制論的內(nèi)容,給出不同的能量耗散函數(shù),達(dá)到最優(yōu)化效果.最終通過(guò)數(shù)學(xué)實(shí)驗(yàn)證明了提出理論的有效性.具體的研究?jī)?nèi)容如下:(1)研究基于時(shí)變時(shí)延競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)的最優(yōu)狀態(tài)估計(jì)器的設(shè)計(jì)問(wèn)題.通過(guò)創(chuàng)造新的李雅普諾夫函數(shù),利用LMI、自由權(quán)矩陣方法以及不等式放縮等技巧,構(gòu)造出一個(gè)穩(wěn)定性的充分條件,來(lái)保證采樣系統(tǒng)估計(jì)量的存在.通過(guò)MATLAB數(shù)學(xué)仿真實(shí)驗(yàn)驗(yàn)證一個(gè)數(shù)值實(shí)例,來(lái)證明理論的可行性和有效性.在此基礎(chǔ)之上,通過(guò)對(duì)控制器的調(diào)整,使用局部搜索算法找到多個(gè)數(shù)值仿真實(shí)例.通過(guò)對(duì)既定能量耗散函數(shù)的計(jì)算,得到一個(gè)最優(yōu)控制器,該控制器耗能最少.綜上所述,本章對(duì)神經(jīng)網(wǎng)絡(luò),競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò),時(shí)變時(shí)延,狀態(tài)控制,最優(yōu)化等問(wèn)題以及他們之間的關(guān)系有一個(gè)較為完善的理解,并且能夠充分應(yīng)用前人...
【文章來(lái)源】:江南大學(xué)江蘇省 211工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:41 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
能量函數(shù)柱狀圖
江南大學(xué)碩士學(xué)位論文16表1:優(yōu)化結(jié)果圖圖5:能量函數(shù)柱狀圖圖6:擴(kuò)充控制器組布爾值分析表和上面的圖像.通過(guò)局部搜索算法得到了80組控制器,其中36組經(jīng)過(guò)LMI測(cè)試可以使系統(tǒng)穩(wěn)定.在圖6中,布爾值為1的控制器為可行解.在圖5中,重新編號(hào)可行解,并繪制相應(yīng)的能耗條形圖.性能指標(biāo)值對(duì)應(yīng)的初始控制器為1.83,在初始可行解組中得到.而最優(yōu)控制器對(duì)應(yīng)的性能指標(biāo)函數(shù)值僅為1.58(組:36),優(yōu)化效率達(dá)到13.57%.2.7幾個(gè)說(shuō)明說(shuō)明1:為了降低定理1的保守性,采用了自由加權(quán)矩陣法.為避免解LMI時(shí)出現(xiàn)邏輯錯(cuò)誤,本文將自由矩陣設(shè)為P1,P2.
江南大學(xué)碩士學(xué)位論文263.4數(shù)值仿真考慮一個(gè)二維的憶阻競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò):3()=333()+33,3()-3,3()-+333()5()=355()+53(5())5(5())+535()3()=333()+33,3()-3,3()- 5()=355()+53(5())5(5()) {3()=53{3()+35,{3()-3,{3()-+353(){5()=55{5()+55,{5()-5({5()))+555()3()=533()+35,{3()-3,{3()- 5()=555()+55,{5()-5,{5()- 仿真結(jié)果如下圖:圖7-圖10.圖7:神經(jīng)元細(xì)胞x及其估計(jì)量的狀態(tài)圖圖8:突觸細(xì)胞S及其估計(jì)量的狀態(tài)圖
本文編號(hào):3365455
【文章來(lái)源】:江南大學(xué)江蘇省 211工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:41 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
能量函數(shù)柱狀圖
江南大學(xué)碩士學(xué)位論文16表1:優(yōu)化結(jié)果圖圖5:能量函數(shù)柱狀圖圖6:擴(kuò)充控制器組布爾值分析表和上面的圖像.通過(guò)局部搜索算法得到了80組控制器,其中36組經(jīng)過(guò)LMI測(cè)試可以使系統(tǒng)穩(wěn)定.在圖6中,布爾值為1的控制器為可行解.在圖5中,重新編號(hào)可行解,并繪制相應(yīng)的能耗條形圖.性能指標(biāo)值對(duì)應(yīng)的初始控制器為1.83,在初始可行解組中得到.而最優(yōu)控制器對(duì)應(yīng)的性能指標(biāo)函數(shù)值僅為1.58(組:36),優(yōu)化效率達(dá)到13.57%.2.7幾個(gè)說(shuō)明說(shuō)明1:為了降低定理1的保守性,采用了自由加權(quán)矩陣法.為避免解LMI時(shí)出現(xiàn)邏輯錯(cuò)誤,本文將自由矩陣設(shè)為P1,P2.
江南大學(xué)碩士學(xué)位論文263.4數(shù)值仿真考慮一個(gè)二維的憶阻競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò):3()=333()+33,3()-3,3()-+333()5()=355()+53(5())5(5())+535()3()=333()+33,3()-3,3()- 5()=355()+53(5())5(5()) {3()=53{3()+35,{3()-3,{3()-+353(){5()=55{5()+55,{5()-5({5()))+555()3()=533()+35,{3()-3,{3()- 5()=555()+55,{5()-5,{5()- 仿真結(jié)果如下圖:圖7-圖10.圖7:神經(jīng)元細(xì)胞x及其估計(jì)量的狀態(tài)圖圖8:突觸細(xì)胞S及其估計(jì)量的狀態(tài)圖
本文編號(hào):3365455
本文鏈接:http://www.sikaile.net/kejilunwen/zidonghuakongzhilunwen/3365455.html
最近更新
教材專著