1) Shunting inhibitory cellular neural networks (SICNNs)
分路抑制神经网络(SICNNs)
2) shunting inhibitory cellular neural networks
分流抑制细胞神经网络
1.
By using the Banach fixed point theory and constructing the Lyapunov functional,the existence and global attractivity of almost periodic solutions for shunting inhibitory cellular neural networks with distributed delays are studied under more general conditions.
利用Banach不动点理论和Lyapunov函数方法,在较一般条件下研究了具有分布时滞的分流抑制细胞神经网络概周期解的存在性和全局吸引性,给出了新的判据,推广了已知文献的一些结果且易于在实际工程领域中验证。
2.
Some related results for the shunting inhibitory cellular neural networks are improved.
利用一些分析技巧,讨论了一类时滞动力系统解的指数收敛行为,证明了此类时滞动力系统的所有解都指数收敛到零点,改进了已有的关于分流抑制细胞神经网络的相关结论。
3) lateral inhibitory neural network
侧抑制神经网络
4) SICNNs
分流抑制型细胞神经网络
1.
By means of suitable Lyapunov functionals,the exponential stability of periodic solutions for shunting inhibitory cellular neural networks(SICNNs)with delays and variable coefficients is studied.
利用适当的李亚普若夫泛函,研究了时滞分流抑制型细胞神经网络的周期解的指数稳定性。
5) neural network/sid elobe suppressi
神经网络/旁瓣抑制
6) neural network control
神经网络控制
1.
Adaptive neural network control with unknown control direction;
具有未知控制方向的自适应神经网络控制
2.
Iterative learning neural network control for robot learning from demonstration;
迭代学习神经网络控制在机器人示教学习中的应用(英文)
3.
Adaptive neural network control with unknown dead-zone and gain sign;
具有未知死区和增益符号的自适应神经网络控制
补充资料：Hopfield神经网络模型
Hopfield神经网络模型
Hopfield neural network model
收敛于稳定状态或Han加Ing距离小于2的极限环。 上述结论保证了神经网络并行计算的收敛性。 连续氏pfield神经网络中，各个神经元状态取值是连续的，由于离散H6pfield神经网络中的神经元与生物神经元的主要差异是:①生物神经元的I/O关系是连续的;②生物神经元由于存在时延，因此其动力学行为必须由非线性微分方程来描述。为此，在1984年J.J.H叩fi酗提出了连续氏pfield神经网络，它可用图1所示的电路实现，其动态方程┌───┐│·T叮 │└───┘图1连续F砧pfield神经网络 (a)Sigmoid非线性;(b)神经元模型可由下述微分方程式描述: 、，产 门J /r、l、1.。瓮一客、一佘Ii认=f(u￡)￡=l，2，…，n式中f(·)为连续可微的Sign101d函数;T，j=兀、i，j=1，2，“’，n几=0]=i1~.吞~·‘八文一Q*+，戮T，j‘一‘，2，”一”连续时间氏pfield神经网络式的计算能量函数定义为:一告客客几从砚 石l「Vi_1，、，合，，， +乞古!‘厂‘(x)dx一乙I，从(4) ’月R‘Jo“‘、一’一月一，” 对于式(3)，若f一‘为单调增且连续，C>0，T，j=几(i，j=1，2，一，n)，则沿系统的运动轨道有dE一。-丁丁足之Uat当且仅当贷一。时 箭一。式(3)的稳定平衡点就是能量函数E〔式(4)」的极小点，反之亦然。同时，连续氏pfield神经网络式(3)以大规模非线性连续时间并行方式处理信息。网络的稳定平衡点对应于其计算能量函数E的极小点，网络的计算时间就是它到达稳定的时间，网络的计算在系统趋于稳态的过程中也就完成了。这也是式(3)用于神经计算及联想记忆的基本原理，也即神经计算机的基本原理。HoPfield shenling wangluo moxingHopfield神经网络模型(Hopfieldne，Ine幻即0比m侧触l)一种单层全反馈的人工神经网络模型(后称之为氏p玉idd模型)，它对推动人工神经网络研究的复苏起了很重要的作用。 且，lield对人工神经网络研究的贡献主要有: (l)把有反馈的神经网络看作一个非线性动力系统，提出了系统的全局Lyap阴lov函数(或称能量函数)的概念，用于系统稳定性的分析; (2)利用上述分析方法解决人工智能中的组合优化问题，如15护;(3)给出了利用模拟电子线路实现的连续Hopfidd网络的电路模型，为进一步研究神经计算机创造了条件。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条