تخمین تقریبی شبکه ی عصبی کسری
| دسته بندی | مقالات ترجمه شده isi |
| بازدید ها | 1 |
| فرمت فایل | doc |
| حجم فایل | 2117 کیلو بایت |
| تعداد صفحات فایل | 23 |
Fractional neural network approximation
a b s t r a c t
Here, we study the univariate fractional quantitative approximation of real valued
functions on a compact interval by quasi-interpolation sigmoidal and hyperbolic tangent
neural network operators. These approximations are derived by establishing Jackson type
inequalities involving the moduli of continuity of the right and left Caputo fractional
derivatives of the engaged function. The approximations are pointwise and with respect
to the uniform norm. The related feed-forward neural networks are with one hidden
layer. Our fractional approximation results into higher order converges better than the
ordinary ones
تخمین تقریبی شبکه ی عصبی کسری
چکیده
تقریب کمی کسری یک متغیرهی توابع با ارزش واقعی را بر روی فاصلهی فشرده توسط عملگرهای شبکهی عصبی مجانبی هایپربولیک و سیگموئید شبه میانیابی مطالعه میکنیم. این تقریبها با برقراری نامساویهای نوع جکسون شامل مدولهای پیوستگی مشتقات کسری کاپوتوی راست و چپ تابع مورد استفاده استخراج میشود. تقریبها نقطه به نقطه و نسبت به نُرم یکنواخت هستند. شبکههای عصبی فیدفوروارد مربوطه دارای یک لایهی پنهان هستند. تقریب زنی کسری ما منجر به همگرایی بهتری نسبت به تقریبهای معمولی میشود.
.
تحلیل پایداری زمان-محدود شبکه های عصبی مرتبه کسری تاخیردار
| دسته بندی | مقالات ترجمه شده isi |
| بازدید ها | 16 |
| فرمت فایل | doc |
| حجم فایل | 595 کیلو بایت |
| تعداد صفحات فایل | 12 |
Finite-time stability analysis of fractional-order neural networks with delay
Abstract
Stability analysis of fractional-order neural networks with delay is addressed in this paper. By using the
contracting mapping principle, method of iteration and inequality techniques, a sufficient condition is established to
ensure the existence, uniqueness and finite-time stability of the equilibrium point of the proposed networks. Finally,
based on the Predictor-Corrector Approach, two numerical examples are presented to illustrate the validity and
feasibility of the obtained result.
تحلیل پایداری زمان-محدود شبکه های عصبی مرتبه کسری تاخیردار
چکیده
تحلیل پایداری شبکه های عصبی مرتبه کسری با تاخیر در این مقاله ارائه میشود. با استفاده ازاصل نگاشت قراردادی، روش تکراری و تکنیکهای نابرابر، شرط مناسبی به منظور تضمین وجود، منحصر به فردبودن و پایداریزمانمحدود نقطهی تعادلشبکههایارائه شده ایجاد میشود. در نهایت،بر اساسروشاصلاح-پیشگویی، دو مثال عددی به منظور نشان دادن اعتبار و احتمال نتیجهی به دست آمده ارائه میشود.
شبکه عصبی چند جمله ای دیفرانسیلِ کسری برای تقریب زنی توابع
| دسته بندی | مقالات ترجمه شده isi |
| بازدید ها | 10 |
| فرمت فایل | doc |
| حجم فایل | 642 کیلو بایت |
| تعداد صفحات فایل | 9 |
The Fractional Differential Polynomial Neural Network for Approximation of Functions
Abstract: In this work, we introduce a generalization of the differential polynomial neural
network utilizing fractional calculus. Fractional calculus is taken in the sense of the Caputo
differential operator. It approximates a multi-parametric function with particular polynomials
characterizing its functional output as a generalization of input patterns. This method can
be employed on data to describe modelling of complex systems. Furthermore, the total
information is calculated by using the fractional Poisson process.
شبکه عصبی چند جمله ای دیفرانسیلِ کسری برای تقریب زنی توابع
چکیده
در این مقاله، تعمیمی از شبکه عصبی چند جملهای دیفرانسیلی را با استفاده از محاسبات کسری معرفی میکنیم. محاسبات کسری در معنایعملگردیفرانسیلی کاپوتو در نظر گرفته میشوند که یک تابع چند پارامتری را با چند جملهایهای خاصتقریب میزند که خروجی عملکردی آن را به عنوان تعمیمی از الگوهای ورودی مشخص میکند. میتوان این روش را بر دادههایی به منظور تشریح مدلسازی سیستمهای پیچیده به کار گرفت. علاوه بر این، اطلاعات کل با استفاده از فرایند پویسون کسری محاسبه میشود.
سنکرون سازی کلاسی از شبکه های عصبی آشفته با مرتبه ی کسری
| دسته بندی | مقالات ترجمه شده isi |
| بازدید ها | 16 |
| فرمت فایل | doc |
| حجم فایل | 857 کیلو بایت |
| تعداد صفحات فایل | 10 |
Synchronization of a Class of Fractional-Order Chaotic Neural Networks
Abstract: The synchronization problem is studied in this paper for a class of fractional-order
chaotic neural networks. By using the Mittag-Leffler function, M-matrix and linear feedback
control, a sufficient condition is developed ensuring the synchronization of such neural
models with the Caputo fractional derivatives. The synchronization condition is easy to
verify, implement and only relies on system structure. Furthermore, the theoretical results
are applied to a typical fractional-order chaotic Hopfield neural network, and numerical
simulation demonstrates the effectiveness and feasibility of the proposed method
سنکرون سازی کلاسی از شبکه های عصبی آشفته با مرتبه ی کسری
چکیده
در این مقاله مسئله سنکرونسازی برای طبقهای از شبکههای عصبی آشفته با مرتبهی کسری مطالعه میشود. با استفاده از تابع میتاگ - لفر، کنترل فیدبک خطی و ماتریس-M، یک شرط کافیایجاد شده است که سنکرونسازیچنین مدلهای عصبی با مشتقات کسری کاپوتو را تضمین میکند. اثبات و پیادهسازی شرط سنکرونسازی آسان و تنها بر ساختار سیستم متکی است. علاوه بر این، نتایج تئوری بر یک شبکهی عصبی هوپفیلد آشفتهی نوعی از مرتبهی کسریاعمال میشود، و شبیهسازی عددی اثربخشی و امکانسنجی روش ارائه شده را نشان میدهد.
.
| دسته بندی | مقالات ترجمه شده isi |
| بازدید ها | 16 |
| فرمت فایل | doc |
| حجم فایل | 857 کیلو بایت |
| تعداد صفحات فایل | 10 |
Synchronization of a Class of Fractional-Order Chaotic Neural Networks
Abstract: The synchronization problem is studied in this paper for a class of fractional-order
chaotic neural networks. By using the Mittag-Leffler function, M-matrix and linear feedback
control, a sufficient condition is developed ensuring the synchronization of such neural
models with the Caputo fractional derivatives. The synchronization condition is easy to
verify, implement and only relies on system structure. Furthermore, the theoretical results
are applied to a typical fractional-order chaotic Hopfield neural network, and numerical
simulation demonstrates the effectiveness and feasibility of the proposed method
سنکرون سازی کلاسی از شبکه های عصبی آشفته با مرتبه ی کسری
چکیده
در این مقاله مسئله سنکرونسازی برای طبقهای از شبکههای عصبی آشفته با مرتبهی کسری مطالعه میشود. با استفاده از تابع میتاگ - لفر، کنترل فیدبک خطی و ماتریس-M، یک شرط کافیایجاد شده است که سنکرونسازیچنین مدلهای عصبی با مشتقات کسری کاپوتو را تضمین میکند. اثبات و پیادهسازی شرط سنکرونسازی آسان و تنها بر ساختار سیستم متکی است. علاوه بر این، نتایج تئوری بر یک شبکهی عصبی هوپفیلد آشفتهی نوعی از مرتبهی کسریاعمال میشود، و شبیهسازی عددی اثربخشی و امکانسنجی روش ارائه شده را نشان میدهد.
.
شبکه های عصبی هوپفیلد با مرتبه ی کسری
| دسته بندی | مقالات ترجمه شده isi |
| بازدید ها | 14 |
| فرمت فایل | doc |
| حجم فایل | 375 کیلو بایت |
| تعداد صفحات فایل | 6 |
Fractional-Order Hopfield Neural Networks
Abstract. This paper proposes Fractional-order Hopfield Neural Networks
(FHNN). This network is mainly based on the classic well-known Hopfield net
in which fractance components with fractional order derivatives, replace
capacitors. Stability of FHNN is fully investigated through energy-like function
analysis. To show how effective the FHNN network is, an illustrative example
for parameter estimation problem of the second-order system is finally
considered in the paper. The results of simulation are very promising.
شبکه های عصبی هوپفیلد با مرتبه ی کسری
چکیده
این مقاله شبکههای عصبی هوپفیلد مرتبه کسری (FHNN) را ارائه میکند. این شبکه عمدتا مبتنی بر شبکه هوپفیلد مشهور استکه در این مولفههای کسریبا مشتقات مرتبه کسری جایگزین خازن میشوند. پایداری FHNN بطور کامل از طریق آنالیز تابع شبیه انرژی بررسی میشود. در نهایت برای نشان دادن تاثیر شبکه FHNN، یک مثال تصویری برای مسئلهی برآورد پارامتری سیستم مرتبه دوم در نظر گرفته میشود. نتایج شبیهسازی بسیار امیدوارکننده هستند.