資源描述:
《具有量化和數(shù)據(jù)包丟失的markov跳變神經(jīng)網(wǎng)絡(luò)的反饋控制》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、目錄中:艾摘要?????????????????.1』kbstract???..??...???....?..?..??...?.2第一章引言?????????????????.31.1研究背景、目的和意義...?????..?????....31.2神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)的研究中問(wèn)題的描述與準(zhǔn)備??????..41.3目前關(guān)于網(wǎng)絡(luò)控制的研究...???.???????....71.4符號(hào)說(shuō)明?.?????..??。???????...7第二:章具有量化的Markov跳變神經(jīng)網(wǎng)絡(luò)的狀態(tài)反饋控制???..92.1模型的建立及問(wèn)題的提出?????..??????
2、..92.2若干引理、假設(shè)及定義????????????..1l2.3主要結(jié)論及證明..??????..?.?????...132.4數(shù)值例子???.?????????????.20第三章基于觀測(cè)器的狀態(tài)反饋控制?????????..223.1模型的建立:??????????????.?.223.2主要定理及證明????...?????????。.233.3數(shù)值例子????????????????..27參考文獻(xiàn)??????????????????.30致謝???????????????????。.33徐玲:具有量化和數(shù)據(jù)包丟失的Markov跳變神經(jīng)網(wǎng)
3、絡(luò)的反饋控制三中文摘要神經(jīng)網(wǎng)絡(luò)是一種非常重要且復(fù)雜的大規(guī)模動(dòng)力系統(tǒng),具有十分豐富的動(dòng)力學(xué)屬性.它已在聯(lián)想記憶、組合優(yōu)化、信號(hào)處理等問(wèn)題中得到廣泛應(yīng)用.由于神經(jīng)網(wǎng)絡(luò)的通信帶寬,承載能力和服務(wù)能力等問(wèn)題的限制,控制系統(tǒng)的性能受到了很大影響。目前,具有量化的神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)的穩(wěn)定性研究己引起大批學(xué)者的興趣并取得很多豐富和有意義的成果.本文在前人的基礎(chǔ)上研究了具有量化和數(shù)據(jù)包丟失的Markov跳變神經(jīng)網(wǎng)絡(luò)的反饋控制系統(tǒng),并用對(duì)數(shù)量化器對(duì)測(cè)量值進(jìn)行量化,利用貝努力二項(xiàng)分布描述神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)的數(shù)據(jù)丟包。我們的主要工作是分析和研究狀態(tài)反饋控制系統(tǒng)達(dá)到指數(shù)穩(wěn)定的條件
4、以及基于觀測(cè)器狀態(tài)反饋控制達(dá)到指數(shù)穩(wěn)定的條件.全文主要內(nèi)容包括以下幾點(diǎn):1.簡(jiǎn)要概述神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)及Markov跳變神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)的相關(guān)背景和研究意義,介紹了神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)中常見(jiàn)的問(wèn)題及研究現(xiàn)狀.2.建立具有量化和數(shù)據(jù)包丟失的分布時(shí)滯Markov跳變神經(jīng)網(wǎng)絡(luò)的反饋控制系統(tǒng)模型,通過(guò)構(gòu)造特殊的Lyapunov—Krasovskii函數(shù)及線性矩陣不等式理論,給出該系統(tǒng)達(dá)到指數(shù)穩(wěn)定的條件,并獲得基于估計(jì)器的控制器的設(shè)計(jì)方法.3.分析基于觀測(cè)器的輸出反饋控制穩(wěn)定性問(wèn)題,建立誤差系統(tǒng).利用特殊的Lyapllnov—Krasovskii函數(shù)及線性矩陣不等式理
5、論,給出新系統(tǒng)達(dá)到指數(shù)穩(wěn)定的條件,并獲得基于觀測(cè)器的控制器的設(shè)計(jì)方法.船,關(guān)鍵詞:神經(jīng)網(wǎng)絡(luò)反饋控制;量化;丟包;馬爾科夫鏈.揚(yáng)州I大學(xué)碩士學(xué)位論文AbstractTileneuralnetwork,asanimportantlarge—scalecomplexsystem,exhibitsrichandcolorfuldynamicalbehaviors.Ithasimportantandpotentialapplicationsinsolvingassociativememories,optimizingsolvers,signalprocessin
6、gandSOon.Sincethelimitionoftheneuralnetwork’Scommunicationbandwidth,servicecapacityandcarryingcapacity,theperformanceoftheNNCSsissuppressed.Recently,thestabilityofquantiedNNCSshasattractedalargenumberofresearchers,andaseriesofsignificantresultshavebeenachieved.2Thisdissertationf
7、ocusesontheout-feedbackcontroldesignformarkovianjumpingneuralnetworksystemssubjecttoquantizationanddropout.Twowell-knownNNCSsmodels,i.e.,thelogarithmicquantizeandBernoullimodel.Ourpurposehereistodevelopseveralconditionssuchthattheclosed-loopsystemsarestableandsatisfycorrespondin
8、gperformanceindices.ThemainWOrkofthisdissertati