回复式神经网络的稳定性是回复式神经网络面向应用的最重要的性质之一。回复式神经网络的单稳定性已经获得了很多研究。但是,单稳定的神经网络在计算能力上有其不足。例如,在诸如决策制定等神经计算方面无能为力。多稳定的神经网络在计算能力上则十分强大。最近,回复式神经网络的多稳定性分析受到相当重视。本项目研究回复式神经网络的多稳定性问题。采用数学理论分析、数值计算、数学建模、计算机编程、计算机仿真等相结合的研究
{{i.achievement_title}}
数据更新时间:2023-05-31
基于 Kronecker 压缩感知的宽带 MIMO 雷达高分辨三维成像
基于多模态信息特征融合的犯罪预测算法研究
五轴联动机床几何误差一次装卡测量方法
惯性约束聚变内爆中基于多块结构网格的高效辐射扩散并行算法
地震作用下岩羊村滑坡稳定性与失稳机制研究
背景神经网络的多稳定性研究
时标上复数神经网络的单稳定性和多稳定性研究
基于多稳定性理论的神经网络预定性能控制研究
右端不连续时滞神经网络的多稳定性与分岔控制