导读:本文包含了标准神经网络模型论文开题报告文献综述及选题提纲参考文献，主要关键词:标准神经网络,时滞相关,鲁棒无源性,线性矩阵不等式
标准神经网络模型论文文献综述
朱进,苏亚坤,李太芳[1]（2016）在《时滞标准神经网络模型的鲁棒无源性》一文中研究指出研究了连续标准神经网络的无源性。通过引用自由权矩阵,根据Lyapunov稳定性理论,给出了无源性判别定理,该定理是时滞相关的,同时获得了状态反馈控制器存在的充分条件。数值算例表明:所提出方法是可行的。(本文来源于《重庆理工大学学报(自然科学)》期刊2016年07期）
任雯,胥布工[2]（2015）在《基于标准神经网络模型的非线性系统分布式无线网络化控制》一文中研究指出针对采用标准神经网络模型(SNNM)描述的非线性系统,提出一种基于无线控制网络(WCN)的全分布式控制方法.采用置信因子模拟WCN中无线通信链路的不确定性,利用Lyapunov理论和Lur’e系统方法,将无线网络化控制系统(WNCS)的稳定性分析转化为一个具有线性矩阵不等式(LMI)约束的凸优化问题;使用CVX工具包求解该凸优化问题,得到了保证闭环系统全局渐近稳定的WCN配置参数.仿真结果验证了所提出控制策略的正确性和有效性.(本文来源于《控制与决策》期刊2015年04期）
杨丽美,陈华鸿,程德强[3]（2011）在《BP神经网络模型在防潮标准比选中的应用》一文中研究指出根据规范要求并结合天津市具体实际,拟定海堤的6个备选防潮标准,利用BP神经网络模型选取观景效果(以堤顶高程衡量)、越浪量、工程投资与防潮效益4个指标作为网络的输入因子,计算各标准的效果值,根据计算结果推荐天津市重点海堤防潮标准为200年一遇潮位+100年一遇风。(本文来源于《海河水利》期刊2011年06期）
王建宏,周星月[4]（2010）在《基于BP神经网络模型的高校收费标准分析》一文中研究指出为了预测高校的收费标准,选取2006年全国高校综合排名前30的高校作为样本,通过对影响高校收费的6个主要因素的比较、分析与统计,得出各个因素的量化值,将该量化值用于BP神经网络收费模型的训练与检验中,从而建立一个相对优化、合理的收费预测、指导模型,为在教育政策改变的情况下,制定出适应不同地区、不同专业以及不同培养要求的高校收费标准。(本文来源于《辽宁工程技术大学学报(自然科学版)》期刊2010年05期）
王建宏[5]（2010）在《基于BP神经网络模型的高校收费标准分析》一文中研究指出为了预测高校的收费标准,选取2006年全国高校综合排名前30的高校作为样本,通过对影响高校收费的6个主要因素的比较、分析与统计,得出各个因素的量化值,将该量化值用于BP神经网络收费模型的训练与检验中,从而建立一个相对优化、合理的收费预测、指导模型,为在教育政策改变的情况下,制定出适应不同地区、不同专业以及不同培养要求的高校收费标准。(本文来源于《辽宁工程技术大学学报(自然科学版)》期刊2010年04期）
王建宏,周星月[6]（2010）在《基于BP神经网络模型的高校收费标准分析》一文中研究指出为了预测高校的收费标准,选取2006年全国高校综合排名前30的高校作为样本,通过对影响高校收费的6个主要因素的比较、分析与统计,得出各个因素的量化值,将该量化值用于BP神经网络收费模型的训练与检验中,从而建立一个相对优化、合理的收费预测、指导模型,为在教育政策改变的情况下,制定出适应不同地区、不同专业以及不同培养要求的高校收费标准。(本文来源于《中国运筹学会模糊信息与模糊工程分会第五届学术年会论文集》期刊2010-08-01）
张建海,张森林,刘妹琴[7]（2009）在《离散时滞标准神经网络模型的鲁棒稳定性分析》一文中研究指出研究了离散时滞标准神经网络模型(SNNM)的鲁棒渐进稳定性和指数稳定性问题,结合Lyapunov稳定性理论和S方法推导出了两种稳定性的充分条件.所得到的稳定性条件被表示为线性矩阵不等式形式,便于求解.特别的,将鲁棒指数稳定性问题转化为一个广义特征值问题,除了可以判断网络的指数稳定性,还可以方便地估计其最大指数收敛率.在数值示例中,将两类递归神经网络(RNNs)转化为SNNM的形式并利用得到的相关结论对其鲁棒稳定性进行了分析,仿真结果验证了稳定性判据的有效性.SNNM为分析递归网络提供了新的思路,简单且有效.(本文来源于《浙江大学学报(工学版)》期刊2009年08期）
何志红,阳志锋[8]（2009）在《基于BP神经网络的高等教育学费标准模型及分析》一文中研究指出首先分析了影响高等教育学费的主要因素,给出了一个比较合理的生均成本计算公式,为学费标准的制定提供了主要参考指标。然后,利用BP神经网络,在MATLAB环境下将所选取样本高校的相应指标带入模型,进行训练,求出了一组比较合理的权值。最后,对此结果进行了仿真检验,得到的曲线拟合度较高,误差控制在0~0.02。(本文来源于《衡阳师范学院学报》期刊2009年03期）
王飞,唐蓉[9]（2009）在《高等教育学费标准的神经网络模型研究》一文中研究指出在适当的假设下,建立起符合中国实际的收费模型,即BP神经网络模型,该模型的网络算法符合实际要求,并以此为参考,指导各个高校根据自身的实际情况,制定合理的收费标准,从而规范高等教育收费。(本文来源于《甘肃科技》期刊2009年05期）
张建海[10]（2008）在《标准神经网络模型鲁棒稳定性分析及其在非线性系统鲁棒控制中的应用》一文中研究指出近年来,递归神经网络(RNNs)的鲁棒稳定性问题成为研究的一个热点。但是由于缺乏RNNs的统一模型,所以其鲁棒稳定性研究并没有统一的方法可循。标准神经网络模型(SNNM-Standard Neural Network Model)由一个线性动力学系统和有界激励函数构成的静态非线性算子连接而成,被表示为线性微分包含(LDI)的形式,便于利用线性矩阵不等式(LMI)技术进行分析。通过参数的设置,SNNM可用来表示大多数时滞(非时滞)RNNs,为不同的RNNs提供了一个统一的分析框架。本文首先研究了SNNM的鲁棒稳定性问题,并成功应用于对各种RNNs的稳定性分析中。另外大多数包含神经网络或T-S模糊模型的时滞(非时滞)智能系统也都可以转化为SNNM的形式,以便于用统一的方法进行控制器的综合。本文在鲁棒稳定性分析的基础上分别对SNNM的鲁棒镇定控制和保性能控制进行了研究,并在此框架下进行非线性系统鲁棒控制器的综合。主要工作如下:●简单介绍了SNNM的结构及其表示形式。通过将多个不同类型的RNNs转化为SNNM的形式演示了转化过程及其常用转化技巧。进一步分析了SNNM的逼近能力。证明了SNNM可以以任意精度逼近非线性动力学系统,为其在系统辨识和控制中的应用,提供了重要理论依据。●对具有范数有界不确定性的连续(离散)SNNM的鲁棒渐近稳定性及指数稳定性问题进行了研究。结合Lyapunov稳定性理论和S-方法,推导出了关于时滞(非时滞)SNNM鲁棒稳定性的判定准则,充分考虑了网络非线性激励函数的约束条件。所得到的判定准则被表示为LMI形式,易于求解。另一方面,将鲁棒指数稳定性问题转化为一个广义特征值问题(GEVP),除了可以判断网络是否指数稳定,还可以方便的估计最大指数收敛率,克服了以往方法中存在的不足。其结论被应用于对RNNs的鲁棒稳定性分析中,结果证明是简单且有效的。●利用SNNM来描述包含神经网络或T-S模糊模型的时滞(或非时滞)智能系统,并在SNNM描述的基础上进行鲁棒镇定控制器和保性能控制器的设计。给出了连续(离散)SNNM的状态反馈鲁棒镇定控制器和保性能控制器以及输出反馈鲁棒镇定控制器和保性能控制器的设计方法,利用变量替换法及一些矩阵变换技巧,控制器方程可以通过求解一组LMIs得到,与以前方法相比更易于设计和分析。大部分基于神经网络或T-S模糊模型的智能系统都可以转化为SNNM,以便采用统一的方法来综合这些智能系统的控制器。SNNM为RNNs的分析以及非线性系统的控制器综合提供了一个新的思路。同时SNNM具有较强的可扩展性,可望在以后进一步拓宽其应用的范围和深度。(本文来源于《浙江大学》期刊2008-01-01）
标准神经网络模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对采用标准神经网络模型(SNNM)描述的非线性系统,提出一种基于无线控制网络(WCN)的全分布式控制方法.采用置信因子模拟WCN中无线通信链路的不确定性,利用Lyapunov理论和Lur’e系统方法,将无线网络化控制系统(WNCS)的稳定性分析转化为一个具有线性矩阵不等式(LMI)约束的凸优化问题;使用CVX工具包求解该凸优化问题,得到了保证闭环系统全局渐近稳定的WCN配置参数.仿真结果验证了所提出控制策略的正确性和有效性.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
标准神经网络模型论文参考文献
[1].朱进,苏亚坤,李太芳.时滞标准神经网络模型的鲁棒无源性[J].重庆理工大学学报(自然科学).2016
[2].任雯,胥布工.基于标准神经网络模型的非线性系统分布式无线网络化控制[J].控制与决策.2015
[3].杨丽美,陈华鸿,程德强.BP神经网络模型在防潮标准比选中的应用[J].海河水利.2011
[4].王建宏,周星月.基于BP神经网络模型的高校收费标准分析[J].辽宁工程技术大学学报(自然科学版).2010
[5].王建宏.基于BP神经网络模型的高校收费标准分析[J].辽宁工程技术大学学报(自然科学版).2010
[6].王建宏,周星月.基于BP神经网络模型的高校收费标准分析[C].中国运筹学会模糊信息与模糊工程分会第五届学术年会论文集.2010
[7].张建海,张森林,刘妹琴.离散时滞标准神经网络模型的鲁棒稳定性分析[J].浙江大学学报(工学版).2009
[8].何志红,阳志锋.基于BP神经网络的高等教育学费标准模型及分析[J].衡阳师范学院学报.2009
[9].王飞,唐蓉.高等教育学费标准的神经网络模型研究[J].甘肃科技.2009
[10].张建海.标准神经网络模型鲁棒稳定性分析及其在非线性系统鲁棒控制中的应用[D].浙江大学.2008