中立型随机发展系统的适定性

针对中立型随机发展系统的温和解与轨道温和解,给出了其存在唯一性与渐近估计的充分条件,推广了经典的Pazy定理与一些近期文献的主要工作.     

具有分布时滞的高阶中立型双曲偏微分方程的振动准则

考虑了一类具有分布时滞的高阶中立型双曲泛函偏微分方程.利用Green公式、Jensen不等式,通过特征值的方法,获得了方程解在两类边值条件下振动的新的准则,所得结果推广和改进了若干文献中已有准则.     

不确定系数多离散时滞的中立型系统的时滞相关鲁棒稳定性

研究了一类时变不确定系数多离散时滞中立型系统的时滞相关鲁棒稳定性问题.利用线性矩阵不等式技术,提出了一种计算该系统自由权矩阵和时滞上界的简化方法,并在系统中考虑了中立项时滞和离散时滞,得到了上述系统为稳定与鲁棒稳定的一些充分条件.最后,用数值例子说明了该方法的有效性和较小的保守性.     

基于马氏切换的时滞脉冲随机Cohen-Grossberg神经网络模型的均方指数稳定性分析

通过向量Lyapunov函数,给随机CGNNs以均方估计,研究基于马氏切换的脉冲时滞随机Cohen-Grossberg神经网络模型的均方指数稳定性,并利用数值例子对结论加以证明.     

一类神经网络的Ｌａｇｒａｎｇｅ全局指数稳定性

考虑３种不同的有界激励函数,利用Ｌｙａｐｕｎｏｖ函数法和不等式分析技巧,研究了一类具有变时滞的中立型Ｃｏｈｅｎ Ｇｒｏｓｓｂｅｒｇ神经网络的Ｌａｇｒａｎｇｅ全局指数稳定性,并给出了系统模型具有全局指数吸引集的构造性证明;研究结果既适用于分析单稳态系统也适用于多稳态系统;最后通过数值算例及仿真对结果进行了验证．     

一类非线性中立型系统的状态反馈时滞相关Ｈ ｉｎｆｉｎｉｔｙ控制

研究了一类非线性中立型时滞系统的Ｈ ｉｎｆｉｎｉｔｙ控制问题．利用了适当的参数待定的Ｌｙａｐｕｎｏｖ Ｋｒａｓｏｖｓｋｉｉ泛函及ＬＭＩ方法获得了中立型系统的稳定性时滞相关的判据,给出了Ｈ ｉｎｆｉｎｉｔｙ状态反馈控制器存在的时滞依赖的充分条件．所采用的方法在设计、求解控制器时不需要做矩阵变换,求解简单,利用Ｍａｔｌａｂ的ＬＭＩ工具箱求解方便,并且给出的数值仿真实例说明了方法的有效性．     

基于Markovian切换的时滞回归神经网络Lagrange全局均方指数稳定

对一类激励函数是Lurie型（包括有界和无界激励函数）的具有Markovian切换的时滞回归神经网络的Lagrange全局均方指数稳定性进行了研究,得到了回归神经网络在Markovian切换状态下的Lagrange全局均方指数稳定的充分判据,并通过数值例子验证了所得结论的正确性和有效性.     

基于神经网络方法的不确定非线性微分-代数子系统的鲁棒反推镇定控制

对于指数1且关联可测的不确定非线性微分-代数子系统,将反推方法和神经网络相结合,研究了其鲁棒渐近镇定控制问题.基于反推方法来构造镇定控制器,利用3层的神经网络来逼近每一步控制器构造过程中的不确定项.提出一种新的自适应算法对神经网络权值进行在线调节,并适当选取每一步虚拟控制器的参数,最终得到的控制器使得闭环系统是渐近稳定的.     

参数不匹配下含有泄露时滞与多个传输时滞的分数阶忆阻器神经网络的拟同步

本文主要讨论了一类在参数不匹配之下带有多个传输时滞与泄露时滞的分数阶忆阻器神经网络的拟同步问题.首先,给出了时滞线性反馈控制器;然后,根据分数阶微分包含、集合值映射理论和分数阶微分不等式理论等,得出了主从系统达到拟同步所满足的条件以及所对应的误差边界;最后,给出了一些数值模拟验证所得结论的有效性.     

中国东部夏季雨型的人工神经网络集合预测

在BP(back propagation)人工神经网络方法的基础上,考虑到历史资料的个体差异及其年代际变化会影响到样本均值,由此使得中国东部夏季雨型模拟和预测效果产生差异,故引入交叉检验及集合预报思想,以改进人工神经网络独立预报方法.在利用不同历史样本资料建立人工神经网络模型,并进行交叉检验的同时,对预测年的雨型进行预测,可获得预测年的多次预测结果.该方法在中国东部夏季四类雨型的试验预报中表现出较好效果.     

具反应扩散项的脉冲时滞Cohen-Grossberg神经网络的稳定性

讨论了一类具反应扩散项的脉冲变时滞Cohen-Grossberg神经网络在Neu-mann边界条件下的稳定性.通过构造分片连续的Lyapunov函数,结合Neumann特征值问题,并利用Gronwall-Bellman脉冲积分不等式,得到了新的与反应扩散项和时滞有关的保证平衡点全局指数稳定性的代数判据.     

具有混合延时和不同时标的混沌忆阻竞争神经网络的自适应同步

本文考虑了具有混合时变延时和不同时标的混沌忆阻竞争神经网络的自适应同步问题.使用Lyapunov泛函方法和不等式分析技术,设计了一类新的具有反馈控制律的自适应控制器以取得网络同步及指数同步目的,提出了不用过多计算,如求解线性矩阵不等式或复杂代数计算的保证网络同步条件;同时,所获条件也可以应用到已有文献里关于忆阻器网络不同数学模型中.最后,通过实例验证了本文获得的理论结果的有效和正确性.     

Modeling of trophospheric ozone concentrations using genetically trained multi-level cellular neural networks

Tropospheric ozone concentrations, which are an important air pollutant, are modeled by the use of an artificial intelligence structure. Data obtained from air pollution measurement stations in the city of Istanbul are utilized in constituting the model. A supervised algorithm for the evaluation of ozone concentration using a genetically trained multi-level cellular neural network （ML-CNN） is introduced, developed, and applied to real data. A genetic algorithm is used in the optimization of CNN templates. The model results and the actual measurement results are compared and statistically evaluated. It is observed that seasonal changes in ozone concentrations are reflected effectively by the concentrations estimated by the multilevel-CNN model structure, with a correlation value of 0.57 ascertained between actual and model results. It is shown that the multilevel-CNN modeling technique is as satisfactory as other modeling techniques in associating the data in a complex medium in air pollution applications.     

具有Markov切换随机神经网络混合时滞依赖的自适应同步

运用Lyapunov函数方法,基于泛函微分方程的不变原理、随机分析理论以及自适应反馈控制技术,给出了具有Markov切换的随机神经网络混合时滞依赖的自适应同步的充分性判据,它与线性矩阵不等式方法相比更容易验证.最后,通过一个数值模拟例子验证了理论结果的正确性及有效性.     

基于障碍李雅普诺夫函数非线性系统的死区补偿控制

本文集中在带有部分状态约束的非线性单输入单输出系统的自适应控制器设计上.考虑了非对称死区的非线性输入特性,选取障碍李雅普诺夫函数用来阻止部分受约束的状态违反约束条件.根据障碍李雅普诺夫函数反步法,解决了该类系统的输出跟踪问题,同时也处理了死区非线性带来的影响.针对下三角结构的非线性系统,设计了自适应控制器,证明了闭环系统所有信号都是有界的,同时保证了系统输出可以跟踪上参考信号.最后,仿真结果表明了所提方法的有效性.