面向时变复数西尔维斯特方程的有限时间神经网络研究

摘要：

针对时变复数西尔维斯特方程的实时求解问题,提出了两种有限时间神经网络(FTNN)模型.该方案基于张神经网络(ZNN)在实数域中的动力学方法,设计面向复数域的神经动力学方程.针对动力学方程中非线性激励函数的数值计算问题,应用两种等价的处理方法.第一种方法是处理复数输入的实部与虚部,第二种方法是处理复数输入的模数.通过使用有限值激励函数加快FTNN模型的求解速度,进一步提高了模型的收敛速度和计算精度.实验结果表明,在求解时变复数西尔维斯特方程时,相比于传统的周期神经网络求解法,所提出的网络模型具有更好的收敛性和稳定性.

关键词：时变复数西尔维斯特方程、有限时间神经网络(FTNN)、有限值激励函数、收敛速度、计算精度

所属期刊栏目：32

分类号：O22;TP183;TP391.41

资助基金：国家自然科学基金61803338

在线出版日期：2022-09-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：587-596