Oja神经网络模型的有限逸时性  

Limit-time Overflow of Oja Neural Network Model

作　　者：刘力军[1,2] 葛仁东[2] 魏晓丹[3] 邱天爽[1] 崔强[4] 

机构地区：[1]大连理工大学电子与信息工程学院,辽宁大连116024 [2]大连民族学院理学院,辽宁大连116600 [3]大连民族学院计算机科学与工程学院,辽宁大连116600 [4]大连理工大学应用数学系,辽宁大连116024

出　　处：《数学的实践与认识》2009年第23期163-169,共7页Mathematics in Practice and Theory

基　　金：辽宁省教育厅科研项目(2009A152);国家自然科学基金项目(10901030)

摘　　要：O ja连续型全反馈神经网络模型可以有效计算实对称矩阵的主特征向量,该网络的动态行为由描述其模型的微分方程所决定,详细研究了O ja动力系统的稳定性问题.对于非正定实对称矩阵最大特征根为零,且至少有一特征根为负的情形,证明了从单位球外出发的解并不一定必然导致有限逸时,完善了O ja模型计算实对称矩阵主特征向量的收敛性结果,数值实验结果进一步验证了理论分析的正确性.Continuous full feedback neural network model can effectivley compute dominant eigenvector of a real symmetric matrix.Dynamical behavior of this network is determined by its corresponding differential equation.Stability of Oja dynamical system is thoroughly studied in this paper.For a non-positive real symmetric matrix,which has a largest zero eigenvalue and at least one negative eigenvalue,we proved that solution starting from outside of unit sphere does not necessarily lead to limit-time overflow,which truly improved the existing convergence results of Oja model for computing dominant eigenvector of real symmetric matrix. Theoretical results are further verified by numerical experiment.

关 键 词：实对称矩阵 主特征向量 神经网络 有限逸时 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]