一种新型单层递归神经网络解决非光滑伪凸优化问题

• 作者: 喻昕 卢惠霞 伍灵贞 徐柳明
• 来源期刊: 电子与信息学报
• 关键词: 神经网络 非光滑伪凸优化 收敛 最优解
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 图像与智能信息处理|Image and Intelligent Information Processing
• 页码范围: 2421-2429
• 页数: 9页
• 分类号: TP183
• 语种: 中文
• DOI: 10.11999/JEIT200558

摘要

非光滑伪凸优化问题是一类比较特殊的非凸优化问题,常出现在各类科学与工程应用中,因此具有很大的研究价值.针对现有神经网络模型解决非光滑伪凸优化问题存在的不足,该文基于微分包含理论,提出一种新型单层递归神经网络模型.通过理论分析,证明了神经网络状态解在有限时间内收敛到可行域,且永驻其中,最终神经网络状态解收敛于原优化问题的最优解.最后,通过数值实验,验证了所提理论的有效性.与现有的神经网络相比,该文所提神经网络模型结构简单仅为单层,不需要提前计算罚参数,且对初始点选取没有任何特殊的要求.