×
曾晶晶;杨旭军;王璐;陈晓峰

分数阶时滞复值神经网络的鲁棒渐近稳定性和镇定。 （英语） 兹比尔1486.34043

离散动态。国家社会学。 2021年，文章ID 5653791，14 p.（2021）.
摘要：本文研究了一类具有参数不确定性和时滞的分数阶复值神经网络的鲁棒渐近稳定性和镇定问题。值得注意的是，我们的系统结合了复数、不确定参数、时滞和分数阶，在实际应用中具有普遍性。利用同胚定理，得到了系统平衡点存在唯一的充分条件。然后，分别建立了所述模型的鲁棒渐近稳定和镇定的充分判据。最后，我们给出了两个数值例子来验证理论结果的可行性和有效性。

引用于1文件

MSC公司：

2008年4月4日 分数阶常微分方程
34K37号 分数阶导数泛函微分方程
34D20型 常微分方程解的稳定性
PDF格式BibTeX公司 XML格式引用
\textit｛J.Zeng｝等人，离散Dyn。Nat.Soc.2021，文章ID 5653791，14 p.（2021；Zbl 1486.34043）
全文： 内政部
OA许可证

参考文献：

[1] 徐，Q。；Xu，Y.，极低阶时间分数阶微分方程及其在燃烧过程中的应用，非线性科学与数值模拟中的通信，64，135-148（2018）·Zbl 07265265号 ·doi:10.1016/j.cnsns.2018.04.021
[2] 巴利亚努，D。；贾贾米，A。；Mohammadi，H。；Rezapour，S.，“利用Caputo-Fabrizio分数导数对人类肝脏进行数学建模的新研究，混沌、孤子和分形，134（2020）·Zbl 1483.92041号 ·doi:10.1016/j.chaos.2020.109705
[3] Pu，Y。；Siarry，P。；查特吉，A。；王，Z。；Yi，Z。；刘，Y。；周，J。；Wand，Y.，《视网膜的分数阶变分框架：基于分数阶偏微分方程的多尺度非局部对比度增强公式》，IEEE图像处理学报，27，1214-1229（2017）·Zbl 1409.94495号
[4] 邓，W。；李，C。；Lü，J.，多时滞线性分数阶微分系统的稳定性分析，非线性动力学，48，4，409-416（2007）·Zbl 1185.34115号 ·doi:10.1007/s11071-006-9094-0
[5] 钱，D。；李，C。；阿加瓦尔，R.P。；Wong，P.J.，具有Riemann-Liouville导数的分数阶微分系统的稳定性分析，数学与计算机建模与电子工程，52，5-6，862-874（2010）·Zbl 1202.34020号 ·doi:10.1016/j.mcm.2010.05.016
[6] 张，F。；李，C。；Chen，Y.，具有Caputo导数的非线性分数阶微分系统的渐近稳定性，国际微分方程杂志，2011（2011）·Zbl 1239.34008号 ·doi:10.1155/2011/635165
[7] 刘，S。；蒋伟（Jiang，W.）。；李，X。；Zhou，X.-F.分数阶非线性系统的Lyapunov稳定性分析，应用数学快报，51，13-19（2016）·Zbl 1356.34061号 ·doi:10.1016/j.aml.2015.06.018
[8] 王，G。；裴，K。；Chen，Y.，非线性hadamard分数阶微分系统的稳定性分析，富兰克林学院学报，356，12，6538-6546（2019）·Zbl 1418.34111号 ·doi:10.1016/j.jfranklin.2018.12.033
[9] McCulloch，W.S。；Pitts，W.，《神经活动中固有思想的逻辑演算》，《数学生物物理学公报》，5，4，115-133（1943）·Zbl 0063.03860号 ·doi:10.1007/bf02478259
[10] 李毅。；刘，D。；李，H。；李，L。；李，Z。；Wu，F.，学习卷积神经网络用于图像压缩重解析，IEEE图像处理汇刊，28，3，1092-1107（2019）·doi:10.1109/tip.2018.2872876
[11] 赵，Z。；刘，H。；Fingscheidt，T.，增强编码语音的卷积神经网络，IEEE/ACM音频、语音和语言处理事务，27，4，663-678（2019）·doi:10.1109/taslp.2018.2887337
[12] 李，P。；Mao，K.，用于从自然语言文本中提取因果关系的面向知识的卷积神经网络，应用专家系统，115，512-523（2019）·doi:10.1016/j.eswa.2018.08.009
[13] 黄，T。；李，C。；段，S。；Starzyk，J.A.，具有随机扰动和脉冲效应的不确定时滞神经网络的鲁棒指数稳定性，IEEE神经网络和学习系统汇刊，23，6，866-875（2012）·doi:10.1109/tnnls.2012.2192135
[14] 刘，C。；杨，Z。；Sun，D。；刘，X。；Liu，W.，时变时滞切换神经网络的稳定性，神经计算与应用，30，7，2229-2244（2018）·doi:10.1007/s00521-016-2805-7
[15] 沈伟（Shen，W.）。；张，X。；Wang，Y.，比例延迟高阶神经网络的稳定性分析，神经计算，372，33-39（2020）·doi:10.1016/j.neucom.2019.09.019
[16] Yang，X.先生。；李，C。；宋，Q。；陈，J。；Huang，J.，具有线性阈值神经元的分数阶四元数神经网络的全局Mittag-Lefler稳定性和同步分析，神经网络，105，88-103（2018）·Zbl 1441.93209号 ·doi:10.1016/j.neunet.2018.04.015
[17] Wen，S。；黄，T。；曾，Z。；陈，Y。；Li，P.，记忆神经网络的电路设计和指数稳定，神经网络，63，48-56（2015）·Zbl 1323.93065号 ·doi:10.1016/j.neunet.2014.10.011
[18] 张，G。；Zeng，Z.，通过非降阶具有混合时延的二阶忆阻神经网络的稳定性，IEEE神经网络和学习系统汇刊，31，2700-706（2020）·doi:10.1109/tnnls.2019.2910125
[19] Wen，S。；曾，Z。；黄，T。；孟，Q。；Yao，W.，通过神经激活函数实现切换神经网络的滞后同步以及在图像加密中的应用，IEEE神经网络和学习系统汇刊，26，7，1493-1502（2015）·doi:10.1109/tnnls.2014.2387355
[20] Wu，A。；陈，Y。；曾，Z.，事件触发策略下时滞混沌神经网络的量化同步，认知神经动力学，15，5，1-18（2021）·doi:10.1007/s11571-021-09667-0
[21] Kaslik，E。；Sivasundaram，S.，分数阶神经网络中的非线性动力学和混沌，神经网络，32245-256（2012）·Zbl 1254.34103号 ·doi:10.1016/j.neunet.2012.02.030
[22] Chen，L。；Chai，Y。；Wu，R。；马，T。；翟，H.，一类分数阶时滞神经网络的动态分析，神经计算，111190-194（2013）·doi:10.1016/j.neucom.2012.11.034
[23] 张，S。；Yu，Y。；Wang，H.，分数阶Hopfield神经网络的Mittag-Lefler稳定性，非线性分析：混合系统，16，104-121（2015）·兹比尔1325.34016 ·doi:10.1016/j.nahs.2014.10.001
[24] Bao，H.-B。；Cao，J.-D.，基于分数阶记忆电阻器的神经网络的投影同步，神经网络，63，1-9（2015）·Zbl 1323.93036号 ·doi:10.1016/j.neunet.2014.10.007
[25] 王，H。；Yu，Y。；文，G。；张，S。；Yu，J.，具有时滞的分数阶Hopfield神经网络的全局稳定性分析，神经计算，154，15-23（2015）·doi:10.1016/j.neucom.2014.12.031
[26] Wu，A。；刘，L。；黄，T。；Zeng，Z.，分数阶神经网络在广义分段常数变元存在下的Mittag-Lefler稳定性，神经网络，85，118-127（2017）·Zbl 1432.34102号 ·doi:10.1016/j.neunet.2016.10.002
[27] 彭，X。；Wu，H。；Cao，J.，具有非线性增长激活的分数阶不连续神经网络的有限时间全局非脆弱同步，IEEE神经网络和学习系统汇刊，30，7，2123-2137（2019）·doi:10.1109/tnnls.2018.2876726
[28] Hirose，A。；Yoshida，S.，复值前馈神经网络与信号一致性的泛化特征，IEEE神经网络与学习系统汇刊，23，4，541-551（2012）·doi:10.1109/tnnls.2012.2183613
[29] Rakkiyappan，R。；曹，J。；Velmurugan，G.，具有时滞的分数阶复值神经网络的存在性和一致稳定性分析，IEEE神经网络和学习系统汇刊，26，1，84-97（2015）·doi:10.1109/tnnls.2014.2311099
[30] Bao，H。；Park，J.H。；曹，J.，具有时滞的分数阶复值神经网络的同步，神经网络，81，16-28（2016）·Zbl 1417.34190号 ·doi:10.1016/j.neunet.2016.05.003
[31] 王，L。；宋，Q。；刘，Y。；赵，Z。；Alsaadi，F.E.，具有泄漏和时变延迟的分数阶复值忆阻神经网络的有限时间稳定性分析，神经计算，24586-101（2017）·doi:10.1016/j.neucom.2017.03.042
[32] Yang，X.先生。；李，C。；黄，T。；宋，Q。；Huang，J.，基于分数阶记忆电阻的不确定参数和时滞复值神经网络的同步，混沌、孤子和分形，110，105-123（2018）·Zbl 1391.93168号 ·doi:10.1016/j.chaos.2018.03.016
[33] Yang，S。；Yu，J。；胡，C。；姜浩，分数阶复值递归神经网络的准投影同步，神经网络，104，104-113（2018）·兹比尔1441.93287 ·doi:10.1016/j.neunet.2018.04.007
[34] 郑，B。；胡，C。；Yu，J。；Jiang，H.，分数阶全复值神经网络的有限时间同步，神经计算，373，70-80（2020）·doi:10.1016/j.neucom.2019.09.048
[35] 李，H.-L。；胡，C。；曹，J。；姜浩。；Alsadei，A.，具有时滞的分数阶复值神经网络的准投影和完全同步，神经网络，118102-109（2019）·兹比尔1443.93049 ·doi:10.1016/j.neunet.2019.06.008
[36] Xu，Y。；Li，W.，分数阶复值耦合系统的有限时间同步，物理A：统计力学及其应用，549（2020）·Zbl 07572656号 ·doi:10.1016/j.physa.2019.123903
[37] Li，R。；高，X。；Cao，J.，延迟分数阶记忆神经网络的非脆弱状态估计，应用数学与计算，340，221-233（2019）·Zbl 1428.34115号 ·doi:10.1016/j.amc.2018.08.031
[38] 张伟。；张，H。；曹，J。；Alsaadi，F.E。；Chen，D.，具有多重时滞的不确定分数阶记忆复值神经网络的同步，神经网络，110，186-198（2019）·Zbl 1441.93237号 ·doi:10.1016/j.neunet.2018.12.004
[39] Anbalagan，P。；Ramachandran，R。；曹，J。；Rajchakit，G。；Lim，C.P.，具有混合时变时滞和脉冲的分数阶复值神经网络的全局鲁棒同步，国际控制、自动化和系统杂志，17，2，509-520（2019）·doi:10.1007/s12555-017-0563-7
[40] Podlubny，I.，《分数微分方程：分数导数、分数微分方程及其应用方法简介》，198（1998），马萨诸塞州剑桥市，美国：学术出版社·Zbl 0922.45001号
[41] 阿吉拉·卡马乔，N。；Duarte-Mermoud，文学硕士。；Gallegos，J.A.，分数阶系统的Lyapunov函数，非线性科学和数值模拟中的通信，19,92951-2957（2014）·Zbl 1510.34111号 ·doi:10.1016/j.cnsns.2014.01.022
[42] 谢林。；Fu，M。；de Souza，C.E.，通过输出反馈的参数不确定性系统的H/次无穷大/控制和二次稳定，IEEE自动控制汇刊，37，8，1253-1256（1992）·Zbl 0764.93067号 ·doi:10.1109/9.111120
[43] Forti，M。；Tesi，A.，神经网络全局稳定性的新条件及其在线性和二次规划问题中的应用，IEEE电路与系统学报I：基本理论与应用，42，7，354-366（1995）·Zbl 0849.68105号 ·数字对象标识代码：10.1109/81.401145
[44] 梁，S。；Wu，R。；Chen，L.，多时滞非线性分数阶细胞神经网络的比较原理和稳定性，神经计算，168618-625（2015）·doi:10.1016/j.neucom.2015.05.063
[45] 你，X。；宋，Q。；Zhao，Z.，具有时滞的离散分数阶复值神经网络的存在性和有限时间稳定性，神经网络，123，248-260（2020）·Zbl 1443.93123号 ·doi:10.1016/j.neunet.2019.12.012
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。