[1]高畅,孔颖,胡汤珑.基于有限时间神经网络求解的时变复数矩阵方程[J].浙江科技学院学报,2022,(05):409-418.
　GAO Chang,KONG Ying,HU Tanglong.Solving time varying complex matrix equations based on finite-time neural network[J].,2022,(05):409-418.
点击复制

基于有限时间神经网络求解的时变复数矩阵方程(/HTML)
分享到：

《浙江科技学院学报》[ISSN:2097-5236/CN:33-1431/Z]

卷:
期数:
2022年05期
页码:
409-418
栏目:
出版日期:
2022-10-31

文章信息/Info

Title:
Solving time varying complex matrix equations based on finite-time neural network
文章编号:
1671-8798(2022)05-0409-10
作者:
高畅; 孔颖; 胡汤珑
浙江科技学院 信息与电子工程学院,杭州 310023
Author(s):
GAO Chang;  KONG Ying;  HU Tanglong
School of Information and Eletronic Engineering, Zhejiang University of Science and Technology, Hangzhou 310023, Zhejiang, China
关键词:
矩阵方程; 有限时间归零神经网络; 新型激励函数; 收敛时间上界
分类号:
TP183
文献标志码:
A
摘要:
为求解时变复数矩阵方程,根据复数域中两种等价处理非线性激励函数的方法,提出了两种新型有限时间归零神经网络(new finite-time zeroing neural network,NFTZNN)模型。尝试将一种新型激励函数应用到两种NFTZNN模型中,从而提高了模型的综合性能。试验结果表明,与现有的复数神经网络(complex value zeroing netural network,CVZNN)模型相比,使用新型激励函数的NFTZNN模型在求解时变复数矩阵方程时,收敛速度更快、计算精度更高;并且,根据李亚普洛夫定理计算出的收敛时间上界也更接近实际的收敛时间。本研究提出的神经网络模型能准确快速地求解出复数域中的时变矩阵方程,可以为后续工程应用提供参考。

相似文献/References:

[1]张少林,薛有才.关于矩阵方程AXB=CYD [J].浙江科技学院学报,2003,(03):133.
　ZHANG Shao-lin,XUE You-cai.On matrix equation AXB=CYD[J].,2003,(05):133.
[2]李小梅.四元数矩阵反问题有解的条件 [J].浙江科技学院学报,2004,(04):223.
　LI Xiao-mei.Solvability conditions for the inverse problemof a class of the quaternion matrix[J].,2004,(05):223.
[3]薛有才.关于四元数矩阵方程AXA*=B 的最小二乘解 [J].浙江科技学院学报,2002,(04):1.
　XUE You-cai.The least square solution to the quaternion matrix equation AXA~*=B[J].,2002,(05):1.

备注/Memo

备注/Memo:
?国家自然科学基金项目(61803338)
更新日期/Last Update: