时滞递归神经网络的状态估计理论与应用

定　　价：76 元

丛书名：普通高等教育“十三五”规划教材普通高等院校工程实践系列规划教材

• 作者：黄鹤著
• 出版时间：2014/10/8
• ISBN：9787030418913
• 出 版 社：科学出版社

• 中图法分类：TP183 
• 页码：264
• 纸张：胶版纸
• 版次：1
• 开本：16K

内容简介

     通常一个用于解决复杂非线性问题的人工神经网络模型具有大量的神经元，并且它们之间的连接是非常复杂的。在实际中人们很难完全知道每个神经元的状态信息，因此对时滞递归神经网络的状态估计问题的研究具有非常重要的意义。《时滞递归神经网络的状态估计理论与应用》主要介绍有关时滞递归神经网络的状态估计理论和应用的最新成果，运用多种不同的方法（如时滞划分方法、松弛变量方法和多重积分不等式方法等）处理三类时滞神经网络的状态估计问题，给出了状态估计器的设计算法，并通过大量的例子来验证《时滞递归神经网络的状态估计理论与应用》的理论成果。最后，讨论了理论成果在反馈控制中的应用。

更多科学出版社服务，请扫码获取。

编辑推荐

    信息理技术、应用数学、非线性科学与自动控制等学科的本科高年级学生、研究生，从事智能控制领域研究的科研人员。

目 录

目录
前言
第1章 引言 1
1.1神经网络的研究进展 1
1.2 递归神经网络的分类 3
1.3 递归神经网络的动力学行为 5
1.3.1 Lyapunov稳定性理论简介 5
1.3.2 时滞线性系统的稳定性 6
1.3.3 时带递归神经网络的稳定性 8
1.4 研究现状和全书主要内容概述 9
1.5 几个常用的引理 12
第一部分 时滞局部场神经网络的状态估计
第2章 时滞局部场神经网络的状态估计（Ⅰ）：基于自由权矩阵的方法 15
2.1 问题的描述 16
2.2 时滞局部场神经网络的状态估计器设计 32
2.3 仿真示例 24
2.4 本章小结 27
第3章 时滞局部场神经网络的状态估计（Ⅱ）：基于改进的时滞划分方法 28
3.1 问题的描述 29
3.2 改进的时滞划分方法的基本思想 31
3.3 基于改进时滞划分方法的状态估计器设计 32
3.4 数值结果与比较 39
3.5 本章小结 40
第4章 时滞局部场神经网络的状态估计（Ⅲ）：基于松弛参数的方法 41
4.1 问题的描述 42
4.2 基于松弛参数的状态估计器设计 44
4.3 在时滞混沌神经网络中的应用 49
4.4本章小结 51
第5章 具有参数不确定性的时滞局部场神经网络的鲁棒状态估计 52
5.1 问题的描述 53
5.2 鲁棒状态估计棒的设计 56
5.3 不带参数不确定性的时滞局部场神经网络的状态估计 62
5.4 仿真示例 64
5.5 本章小结 69
第6章 时滞局部场神经网络的保性能状态估计 70
6.1 问题的描述 71
6.2 依赖于时滞的保H性能的状态估计器的设计 73
6.3 依赖于时滞的保广义H2性能的状态估计器的设计 80
6.4 两个示例 83
6.5 讨论与比较 91
6.6 本章小结 94
第二部分 时滞静态神经网络的状态估计
第7章 时滞静态神经网络的状态估计（Ⅰ）：依赖于时滞的设计方法 99
7.1 问题的描述 100
7.2 状态估计器的设计 102
7.3 时滞静态神经网络的稳定性分析 109
7.4 仿真示例 113
7.5 本章小结 117
第8章 时滞静态神经网络的状态估计（Ⅱ）保性能状态估计的初步结果 119
8.1 问题的描述 119
8.2 时滞静态神经网络的保H∞性能的状态估计 121
8.2.1 不依赖于时滞的保H∞性能的状态估计 121
8.2.2 依赖于时滞的保H∞性能的状态估计 125
8.3 保广义乌性能的状态估计器设计 133
8.3.1 不依赖于时滞的保广义H2性能的状态估计 133
8.3.2 依赖于时滞的保广义品性能的状态估计 136
8.4仿真示例 139
8.5 本章小结 143
第9章 时滞静态神经网络的状态估计（Ⅲ）：基于二阶积分不等式的保性能状态估计 145
9.1 问题的描述 146
9.2 基于二阶积分不等式的保H∞性能的状态估计 149
9.2.1 依赖于时滞的保H∞性能的设计准则 149
9.2.2 仿真示例 155
9.3 基于二阶积分不等式的保广义H2性能的状态估计 156
9.3.1 依赖于时滞的保广义H2性能的设计准则 156
9.3.2 仿真示例 163
9.4 本章小结 164
第10章 时滞静态神经网络的状态估计（Ⅳ）：Arcak型状态估计器设计 166
10.1 问题的描述 167
10.2 保广义乌性能的状态估计 170
10.3 示例与数值比较 175
10.4本章小结 176
第三部分 带马尔可夫跳跃参数的时滞递归神经网络的状态估计
第11章 依赖于系统模态的带马尔可夫跳跃参数和混合时滞的递归神经网络的状态估计 181
11.1 问题的描述 183
11.2 依赖于系统模态的状态估计器设计 186
11.3 讨论与比较 193
11.4 具有复杂动力学行为的马尔可夫跳跃神经网络的状态估计 199
11.5 本章小结
第12章 带马尔可夫跳跃参数的时滞递归神经网络的滤波器设计 207
12.1 问题的描述 207
12.2 H∞滤波器的设计 209
12.3 L2-L∞滤波器的设计 213
12.4仿真示例 219
12.5 本章小结 220
第四部分 时滞递归神经网络的状态估计理论在反馈控制方面的应用
第13章 基于状态估计理论的时滞递归神经网络的指数镇定 223
13.1 问题的描述 224
13.2 基于状态估计的反馈控制 226
13.3 仿真示例 231
13.4本章小结 234
参考文献 235
本书常用的数学符号 252