研究神经网络非线性动力学复杂行为及高维非线性动力学系统全局分析、分叉及方法。主要研究结果:①提出全局分析胞参照系点映射法给出耗散未扰系统高维情况Melnkikov法推广;②给出碰振、参激、控制等系统稳定性、分叉及浑沌新结果;③建立了模型和二值型高阶关联神经网络的理论体系,首次给出了记忆模式与神经元数目关系,设计的约束、稳定性和吸引性等解析证明。④提出神经网络稳定性、鲁棒稳定性、收敛性分析及多Hopf分叉、环面分叉通向浑沌道路,⑤作出神经网络在故障监测和模式和识别中应用及计算机模拟,研究属于学科前沿,面宽,难度大,形成了理论体系,方法优异,应用广泛,属于当前国际最新结果,具有重要科学意义,研究已受到国内外学术界的关注和好评。
{{i.achievement_title}}
数据更新时间:2023-05-31
A Fast Algorithm for Computing Dominance Classes
Ordinal space projection learning via neighbor classes representation
基于纳米铝颗粒改性合成稳定的JP-10基纳米流体燃料
Numerical investigation on aerodynamic performance of a bionics flapping wing
Seismic performance evaluation of large-span offshore cable-stayed bridges under non-uniform earthquake excitations including strain rate effect