时标上的一类二元神经网络模型的渐进性  

Convergence of a Neural Network of Two Neurons on Time Scales

作　　者：王魁生[1] 刘夏[1] 郭栋[1] 王李凡 

机构地区：[1]西安石油大学计算机学院,陕西西安710065

出　　处：《数学的实践与认识》2013年第24期292-298,共7页Mathematics in Practice and Theory

基　　金：西安石油大学研究生科研创新基金(2012cx110623);陕西省教育部科学基金(11JK1031)

摘　　要：在基于时标的稳定性理论基础上,考虑了时标上的一类二元神经网络动力系统的收敛性的充分条件,所得结论统一了已有连续和离散形式.通过讨论时标上一类带有McCulloch-pitts型信号函数的二元神经网络模型的渐进行为.将动力模型转化为时标上的几个方程来考虑,并应用时标中的微分学理论以及基本的不等式放缩传递方法,通过对建立的一维映射的迭代规律进行分析,得到神经网络模型的收敛性.In this paper, been based on the stability theory, the main consideration of the time scale on a Neural Network with sufficient conditions for convergence, unified conclusions have been continuous and discrete form of conclusions.This article discusses a class of time scales with the McCulloch-pitts type of binary signal function of the convergence of neural network model acts, dynamic model will be marked into too few equations to consider, and apply differential time scale of the theory and the basic inequality transfer techniques, through the establishment of one-dimensional mapping of the laws of the iterative analysis, the neural network model to be convergence.

关 键 词：时标 神经网络 收敛 信号函数 渐进性 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]