搜索结果: 31-45 共查到“数学 神经网络”相关记录74条 . 查询时间(0.249 秒)
距离空间中插值神经网络的误差估计
神经网络 插值 逼近 误差估计
2009/9/21
研究距离空间中的神经网络插值与逼近问题. 首先引进一类广义的激活函数,用比较简洁的方法
讨论距离空间中插值神经网络的存在性,然后给出插值神经网络逼近连续函数的误差估计.
神经网络对C(R-)中函数的偏差估计
函数 C(R-) 神经网络
2009/7/15
利用构造性的方法研究了以Sigmoidal函数为激活函数的单隐层前向人工神经网络对C(R-中函数的偏差估计.
一类神经网络逼近可积函数
函数 神经网络
2009/7/15
用连续模刻画了实轴上Cardaliguet?才urrard 型神经网络算子逼近连续函数速度的上界估计,同时,对于Lebesgue可积函数的逼近,构造相应的神经网络算子,并且给出其逼近速度的Jackson型估计.?お
基于精确罚函数的一类广义非线性神经网络模型
神经网络 非线性罚函数 最优解
2008/12/25
针对一般的非线性优化问题定义了一种2次非线性罚函数,证明了在一定条件下对
应的罚优化问题的精确罚定理,由此引进了一种广义非线性神经网络模型,并证明了这种网络
的平衡点与能量函数之间的联系,在一定条件下对应的平衡点收敛到原问题的最优解.这种神
经网络模型对于求解许多优化问题具有重要的作用.
本文对三层~BP神经网络中带有惩罚项的在线梯度学习算法的收敛性问题进行了研究.在网络训练每一轮开始执行之前, 对训练样本随机进行重排, 以使网络学习更容易跳出局部极小. 文中给出了误差函数的单调性定理以及该算法的弱收敛和强收敛性定理.
研究了具分布时滞的广义Cohen-Grossberg神经网络的动态性质.运用非线性测度和构造Lyapunov函数,获得了神经网络系统存在唯一平衡点且平衡点全局指数稳定的一个充分条件.这个条件与时滞无关.最后,给出了一个实例说明所得结论的有效性.
具线性可分训练样本时在线BP神经网络的有限收敛性
非线性前馈神经网络 在线BP算法 有限收敛性 线性可分训练样本
2008/9/17
当训练样本线性可分时,本文证明前馈神经网络的在线BP算法是有限次收敛的.
本文讨论了具有脉冲和无限时滞的模糊细胞神经网络的全局指数稳定性.通过建立一个脉冲时滞%积分微分不等式,以及模糊逻辑算子与M-矩阵的性质,不仅得到了系统全局指数稳定的充分条件,而且也给出了指数收敛速度.最后,所给的例子充分验证了文中所给出的充分条件的有效性.
一个解决线性互补问题的新型神经网络
神经网络 线性互补 收敛性 稳定性
2008/7/24
本文构造了一个新型的解决线性互补问题的神经网络.不同于那些运用罚函数和拉格朗日函数的神经网络,它的结构简单,易于计算.我们证明了该神经网络的全局收敛性和稳定性,并给出数值实验检验其有效性.
关于Sigma-Pi神经网络中的逼近问题
神经网络 Sigma-Pi函数 连续逼
2008/6/19
研究R上不连续函数可作为Sigma-Pi神经网络激励函数的条件。给出了R上局部黎曼可积函数可作为Sigma-Pi神经网络激励函数的特征条件。本文的结果表明:局部黎曼可积函数作为Sigma-Pi神经网络激励函数的特征条件与连续函数时的情形是一致的。
距离空间中的神经网络插值与逼近
神经网络 插值 连续泛函 逼近
2008/5/8
已有的关于插值神经网络的研究大多是在欧氏空间中进行的, 但实际应用中的许多问题往往需要用非欧氏尺度进行度量. 本文研究一般距离空间中的神经网络插值与逼近问题,即先在距离空间中构造新的插值网络, 然后在此基础上构造近似插值网络,最后研究近似插值网络对连续泛函的逼近.
与神经网络有关的逼近问题
稠密性 Fourier变换 广义函数
2008/4/16
本文来自神经网络表示能力问题的研究,主要讨论单个函数满足什么条件其所有伸缩和平移的线性组合在某类函数空间中稠密.本文结果对于神经网络理论研究具有重要意义.
如果一个Hopfield神经网络系统(以下简记为HNNS)是时间离散、状态连续的,就称之为时间离散的HNNS(以下简记为TD-HNNS).对这种系统,如果在它的算子的作用下,状态的能量函数具有固定的增、减趋势,那么就称之为单向的TD-HNNS.本文讨论并给出了这种模型的一系列性质,如运动轨迹的稳定性、收敛性和稳定解的唯一性等,并由此给出了它在优化计算中的一系列应用.
时滞神经网络的指数稳定性分析
神经网络 时滞 指数稳定性 线性矩阵不等式 Razumikhin定理
2012/11/19
研究了一类时滞细胞神经网络的指数稳定性问题,利用Razumikhin定理和线性不等式技术得到新的全局指数稳定性准则.与其他方法不同之处在于,对神经网络模型的“线性化”,将神经网络模型变成一个线性时变的系统.所获的条件具有较少的保守性.最后用1个数值例子说明文中所得的结果是有效的.
一类递归小波神经网络的稳定性研究
递归小波神经网络 渐近稳定性 非线性系统 Liapunov函数
2008/2/11
卷期页码:第28卷 第4期
(2007年4月) P.428
文章编号:1000-0887(2007)04-0428-05
一类递归小波神经网络的稳定性研究
邓韧,李著信,樊友洪
后勤工程学院,重庆 400016
摘要:在小波神经网络(WNNs)和递归神经网络(RNNs)的基础上,提出了一类递归小波神经网络(RWNNs)模型,它具有两种网络模型的优点A·D2根据Liapunov渐近...