时滞递归神经网络的状态估计理论与应用

编辑:竦峙网互动百科 时间:2020-05-31 08:17:47
编辑 锁定
通常一个用于解决复杂非线性问题的人工神经网络模型具有大量的神经元,并且它们之间的连接是非常复杂的。在实际中人们很难完全知道每个神经元的状态信息,因此对时滞递归神经网络的状态估计问题的研究具有非常重要的意义。《时滞递归神经网络的状态估计理论与应用》主要介绍有关时滞递归神经网络的状态估计理论和应用的最新成果,运用多种不同的方法(如时滞划分方法、松弛变量方法和多重积分不等式方法等)处理三类时滞神经网络的状态估计问题,给出了状态估计器的设计算法,并通过大量的例子来验证《时滞递归神经网络的状态估计理论与应用》的理论成果。最后,讨论了理论成果在反馈控制中的应用。
书    名
时滞递归神经网络的状态估计理论与应用
出版社
科学出版社
页    数
253页
开    本
5
作    者
黄鹤
出版日期
2014年9月1日
语    种
简体中文
ISBN
7030418913

时滞递归神经网络的状态估计理论与应用内容简介

编辑
《时滞递归神经网络的状态估计理论与应用》适合于高等院校自动化、计算机、电子信息、应用数学、非线性科学和物理等专业的高年级本科生、研究生和教师使用,也可供相关领域的科研人员参考。

时滞递归神经网络的状态估计理论与应用图书目录

编辑
前言
  第1章引言
  1.1神经网络的研究进展
  1.2递归神经网络的分类
  1.3递归神经网络的动力学行为
  1.3.1Lyapunov稳定性理论简介
  1.3.2时滞线性系统的稳定性
  1.3.3时滞递归神经网络的稳定性
  1.4研究现状和全书主要内容概述
  1.5几个常用的引理
  第一部分时滞局部场神经网络的状态估计
  第2章时滞局部场神经网络的状态估计(1):基于自由权矩阵的方法
  2.1问题的描述
  2.2时滞局部场神经网络的状态估计器设计
  2.3仿真示例
  2.4本章小结
  第3章时滞局部场神经网络的状态估计(2):基于改进的时滞划分方法
  3.1问题的描述
  3.2改进的时滞划分方法的基本思想
  3.3基于改进时滞划分方法的状态估计器设计
  3.4数值结果与比较
  3.5本章小结
  第4章时滞局部场神经网络的状态估计(3):基于松弛参数的方法
  4.1问题的描述
  4.2基于松弛参数的状态估计器设计
  4.3在时滞混沌神经网络中的应用∞
  4.4本章小结
  第5章具有参数不确定性的时滞局部场神经网络的鲁棒状态估计
  5.1问题的描述
  5.2鲁棒状态估计器的设计
  5.3不带参数不确定性的时滞局部场神经网络的状态估计
  5.4仿真示例
  5.5本章小结
  第6章时滞局部场神经网络的保性能状态估计
  6.1问题的描述
  6.2依赖于时滞的保H∞性能的状态估计器的设计
  6.3依赖于时滞的保广义H2性能的状态估计器的设计
  6.4两个示例
  6.5讨论与比较
  6.6本章小结
  第二部分时滞静态神经网络的状态估计
  第7章时滞静态神经网络的状态估计(1):依赖于时滞的设计方法
  7.1问题的描述
  7.2状态估计器的设计
  7.3时滞静态神经网络的稳定性分析
  7.4仿真示例
  7.5本章小结
  第8章时滞静态神经网络的状态估计(2):保性能状态估计的初步结果
  8.1问题的描述
  8.2时滞静态神经网络的保He,。性能的状态估计
  8.2.1不依赖于时滞的保H∞性能的状态估计
  8.2.2依赖于时滞的保H∞性能的状态估计
  8.3保广义H2性能的状态估计器设计
  8.3.1不依赖于时滞的保广义H2性能的状态估计
  8.3.2依赖于时滞的保广义H2性能的状态估计
  8.4仿真示例
  8.5本章小结
  第9章时滞静态神经网络的状态估计(3):基于二阶积分不等式的保性能状态估计
  9.1问题的描述
  9.2基于二阶积分不等式的保H∞性能的状态估计
  9.2.1依赖于时滞的保H∞性能的设计准则
  9.2.2仿真示例
  9.3基于二阶积分不等式的保广义H2性能的状态估计
  9.3.1依赖于时滞的保广义H2性能的设计准则
  9.3.2仿真示例
  9.4本章小结
  第10章时滞静态神经网络的状态估计(4):Arcak型状态估计器设计
  10.1问题的描述
  10.2保广义H2性能的状态估计
  10.3示例与数值比较
  10.4本章小结
  第三部分带马尔可夫跳跃参数的时滞递归神经网络的状态估计
  第11章依赖于系统模态的带马尔可夫跳跃参数和混合时滞的递归神经网络的状态估计
  11.1问题的描述
  11.2依赖于系统模态的状态估计器设计
  11.3讨论与比较
  11.4具有复杂动力学行为的马尔可夫跳跃神经网络的状态估计
  11.5本章小结
  第12章带马尔可夫跳跃参数的时滞递归神经网络的滤波器设计
  12.1问题的描述
  12.2H∞滤波器的设计
  12.3L2—L∞滤波器的设计
  12.4仿真示例
  12.5本章小结
  第四部分时滞递归神经网络的状态估计理论在反馈控制方面的应用
  第13章基于状态估计理论的时滞递归神经网络的指数镇定
  13.1问题的描述
  13.2基于状态估计的反馈控制
  13.3仿真示例
  13.4本章小结
  参考文献
  本书常用的数学符号

  
词条标签:
科技