双时滞神经网络模型分支性的数值逼近

编号 zgly0000352144

文献类型 期刊论文

文献题名 双时滞神经网络模型分支性的数值逼近

作者 张春蕊  刘明珠 

作者单位 东北林业大学数学系  哈尔滨工业大学数学系 

母体文献 系统仿真学报 

年卷期 2004,16(4)

页码 797-799

年份 2004 

分类号 O241.8 

关键词 神经网络模型  Hopf分支  数值逼近  Euler方法 

文摘内容 数值逼近是数值计算中的基本问题, 对仿真算法的理论研究有重要意义.文章研究了一类重要的双时滞神经网络模型的Hopf分支的数值逼近问题.首先, 将时滞差分方程表示为映射, 然后利用离散动力系统的分支理论, 给出了差分方程的Hopf分支存在的条件.得到了连续模型的Hopf分支与其数值逼近的关系.证明了当该模型在v=vj^z(j=1, 2, …)处有Hopf分支时, 其数值逼近在相应的v=vj^z(h)(j=1, 2, …)处产生Hopf分支.数值Hopf分支值与原连续系统的Hopf分支值之间满足vj^z(h)=vj^z+O(h).。