Hopfield型神经网络的全局指数稳定性及其应用  

作　　者：梁学斌[1] 吴立德[1] 

机构地区：[1]复旦大学计算机科学系,上海200433

出　　处：《中国科学（A辑）》1995年第5期523-532,共10页Science in China(Series A)

基　　金：国家攀登计划;国家自然科学基金

摘　　要：若Hopfield型连续反馈神经网络连接权阵的矩阵测度小于神经元的电阻常数与增益参数的最大乘积的倒数,则对于任意的网络外部输入,该网络系统都是全局指数稳定的,该倒数就是保证此结论成立的矩阵测度的最大可能上界,上述结论部分回答了Vidyasagar提出的关于Hopfield型神经网络的一个公开问题:具有“几乎对称”连接权阵的神经网络是否会出现极限环?揭示了网络时间常数与全局指数收数收敛速度之间的内在关系,最后说明了分析结果在最优化计算中的应用。

关 键 词：神经网络 全局指数稳定性 网络时间常数 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] Q811.211[自动化与计算机技术—控制科学与工程]