王华民；段淑凯；黄廷文；李传东；王立丹 时变时滞脉冲记忆神经网络的新稳定性判据。 （英语） Zbl 1345.93121号 电路系统。信号处理。 35，编号11，3935-3956（2016）. 摘要：为了提高记忆神经网络（MNN）的抗干扰能力，本文构造了一种具有可变时滞的广义脉冲控制MNN。然后，基于微分包含理论研究了其动力学行为。通过构造合适的Lyapunov-Krasovskii型泛函，结合积分和单调函数方法，导出了具有脉冲效应的时滞记忆神经网络的全局指数稳定性准则。此外，脉冲控制的DMNN可以转化为无脉冲效应的DMNNs，这促进和丰富了MNN的理论研究成果。最后，通过两个数值例子说明了所得结果的有效性。 引用于5文件 MSC公司： 93D05型 李亚普诺夫和控制理论中的其他经典稳定性（拉格朗日、泊松、（L^p、L^p）等） 93D10号 反馈系统的Popov型稳定性 92B20型 生物研究、人工生命和相关主题中的神经网络 关键词：记忆神经网络；全局指数稳定性；脉冲效应；时变延迟 PDF格式BibTeX公司 XML格式引用 \textit{H.Wang}等人，《电路系统》。信号处理。35，第11号，3935-3956（2016；Zbl 1345.93121） 全文： 内政部 参考文献： [1] J.Cao，A.Alofi，A.Al-Mazrooei，A.Elaiw，切换区间网络的同步和混沌神经网络的应用。文章摘要。应用分析940573（2013），11（2013）·兹比尔1421.93067 [2] J.Cao，R.Sivasamy，R.Rakkiyappan，时滞混沌Lur'e系统的采样数据H_{\infty}H_]∞同步。电路系统。信号处理。（2015年）。doi:10.1007/s00034-015-0105-6·Zbl 1346.93145号 [3] W.Chen，W.Zheng，变量脉冲神经网络的全局指数稳定性：LMI方法。IEEE传输。电路系统。一、 法规。论文56（6），1248-1259（2009）·Zbl 1468.34098号 ·doi:10.10109/TCSI.2008.2006210 [4] L.Chua，Memristor——缺失的电路元件。IEEE传输。电路理论18（5），507-519（1971）·doi:10.1109/TCT.1971.1083337号文件 [5] L.Chua，电阻开关存储器是忆阻器。申请。物理学。A.102765-783（2011年）·doi:10.1007/s00339-011-6264-9 [6] F.Corinto，A.Ascoli，M.Gilli，忆阻振荡器的非线性动力学。IEEE传输。电路系统。一、 常规论文58（6），1323-1336（2011）·Zbl 1468.94570号 ·doi:10.1109/TCSI.2010.2097731 [7] 丁世明，王振华，具有多个时变时滞的记忆神经网络的随机指数同步控制。神经计算162，16-25（2015）·doi:10.1016/j.neucom.2015.03.069 [8] A.Filippov，具有不连续右侧和右侧的微分方程（Kluwer，Dordrecht，1988）·Zbl 0664.34001号 ·doi:10.1007/978-94-015-7793-9 [9] 龚伟，梁建良，曹建平，时变时滞复值递归神经网络全局指数稳定性的矩阵测度方法。神经网络。70, 81-89 (2015) ·Zbl 1398.34097号 ·doi:10.1016/j.neunet.2015.07.003 [10] Z.Guo，J.Wang，Z.Yan，基于记忆电阻的时变时滞细胞神经网络的吸引力分析。IEEE传输。神经网络。学习。系统。25(4), 704-717 (2014) ·doi:10.1109/TNNLS.2013.2280556 [11] X.He，C.Li，T.Huang，C.Li，单向耦合时滞神经网络的余维二分支。非线性分析。真实世界应用。14, 1191-1202 (2013) ·Zbl 1266.34119号 ·doi:10.1016/j.nonrwa.2012.09.010 [12] X.He，C.Li，T.Huang，C.Li，J.Huang.解决双层线性规划问题的递归神经网络。IEEE传输。神经网络。学习。系统。25, 824-830 (2014) ·doi:10.1109/TNNLS.2013.2280905 [13] J.Hu，J.Wang，（2010）基于记忆电阻的时滞递归神经网络的全局一致渐近稳定性，《IEEE国际联合会议神经网络会议论文集》。西班牙巴塞罗那。第2127-2134页·Zbl 1323.93065号 [14] T.Huang，C.Li，S.Duan，J.Starzyk，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传输。神经网络。学习。系统。23(6), 866-875 (2012) ·doi:10.1010/TNNLS.2012.2192135 [15] M.Itoh，L.Chua，忆阻细胞自动机和忆阻离散时间细胞神经网络。国际法学分会。《混沌》19（11），3605-3656（2009）·Zbl 1182.37014号 ·doi:10.1142/S0218127409025031 [16] X.Li，Z.Chen，具有时滞和脉冲扰动的Hopfield神经网络的稳定性。非线性分析。真实世界应用。10, 3253-3265 (2009) ·Zbl 1162.92003年 ·doi:10.1016/j.nonrwa.2008.10.028 [17] N.Li，J.Cao，基于忆阻网络的新同步标准：自适应控制和反馈控制方案。神经网络。61, 1-9 (2015) ·Zbl 1323.93041号 ·doi:10.1016/j.neunet.2014.08.015 [18] S.Long，D.Xu，时变时滞脉冲神经网络的时滞相关稳定性分析。神经计算71，1705-1713（2008）·doi:10.1016/j.neucom.2007.03.010 [19] J.Lu，D.W.C.Ho，J.Cao，脉冲动力网络的统一同步准则。Automatica 46，1215-1221（2010）·兹比尔1194.93090 ·doi:10.1016/j.automatica.2010.04.005 [20] Y.Pershin，M.Ventra，联想记忆与记忆神经网络的实验演示。神经网络23，881-886（2012）·doi:10.1016/j.neunet.2010.05.001 [21] J.Qi，C.Li，T.Huang，具有时变脉冲的延迟记忆神经网络的稳定性。认知。Neurodyn公司。8, 429-436 (2014) ·doi:10.1007/s11571-014-9286-0 [22] R.Rakkiyappan，G.Velmurugan，J.Cao，具有时滞的分数阶复值神经网络的稳定性分析。《混沌，孤子分形》78，297-316（2015）·Zbl 1331.34154号 ·doi:10.1016/j.chaos.2015.08.003 [23] R.Rakkiyappan，G.Velmurugan，J.Cao，具有不同记忆函数的基于记忆电阻的分数阶神经网络的稳定性分析。认知。Neurodyn公司。9, 145-177 (2015) ·doi:10.1007/s11571-014-9312-2 [24] R.Rakkiyappan，A.Chandrasekar，J.Cao，基于记忆电阻的递归神经网络的无源性和无源化，具有加性时变时滞。IEEE传输。神经网络。学习。系统。26(9), 2043-2057 (2015) ·doi:10.1109/TNNLS.2014.2365059 [25] R.Rao，S.Zhong，X.Wang，具有模式相关时变时滞和非线性反应扩散的Markovian跳跃脉冲BAM神经网络的LMI随机稳定性准则。Commun公司。非线性科学。数字模拟。19, 258-273 (2014) ·Zbl 1344.93104号 ·doi:10.1016/j.cnsns.2013.05.024 [26] D.Strukov、G.Snider、D.Stewart、R.Williams，《发现丢失的记忆电阻器》。《自然》453，80-83（2008）·doi:10.1038/nature06932 [27] G.Velmurugan，R.Rakkiyappan，J.Cao，具有无界时变时滞的复值神经网络全局稳定性的进一步分析。神经网络。67, 14-27 (2015) ·Zbl 1398.34103号 ·doi:10.1016/j.neunet.2015.03.007 [28] 王志明，丁顺生，黄志华，张海华，基于二次凸组合方法的时滞记忆神经网络的指数稳定性和稳定性。IEEE传输。神经网络。学习。系统。（2015年）。doi:10.1109/TNNLS.2015.2485259·兹比尔1182.37014 [29] 王振华，刘立林，单启山，张海华，基于二次延迟划分方法的时变时滞递归神经网络稳定性判据。IEEE传输。神经网络。学习。系统。26(10), 2589-2595 (2015) ·doi:10.1109/TNNLS.2014.2387434 [30] Z.Wang，H.Zhang，B.Jiang，基于LMI的方法，用于具有各种时滞和结构的递归神经网络的全局渐近稳定性分析。IEEE传输。神经网络。22(7), 1032-1045 (2011) ·doi:10.1109/TNN.2011.2131679 [31] S.Wen，Z.Zeng，T.Huang，Y.Chen，P.Li，记忆神经网络的电路设计和指数稳定。神经网络。63, 48-56 (2015) ·兹比尔1323.93065 ·doi:10.1016/j.neunet.2014.10.011 [32] S.Wen，Z.Zeng，T.Huang，C.Li，基于随机脉冲记忆电阻器的混合时滞分段线性系统的无源性和无源性。国际J.鲁棒非线性控制。25（4），610-624（2015）·Zbl 1312.93098号 ·doi:10.1002/rnc.3112 [33] S.Wen，Z.Zeng，T.Huang，X.Yu，记忆神经网络的噪声消除。神经网络。60, 74-83 (2014) ·Zbl 1323.93052号 ·doi:10.1016/j.neunet.2014.07.014 [34] S.Wen，Z.Zeng，T.Huang，Y.Zhang，记忆神经网络的指数滞后自适应同步及其在伪随机发生器中的应用。IEEE传输。模糊系统。22(6), 1704-1713 (2014) ·doi:10.1109/TFUZZ.2013.2294855 [35] A.Wu，S.Wen，Z.Zeng，一类基于忆阻器的递归神经网络的同步控制。信息科学。183, 106-116 (2012) ·Zbl 1243.93049号 ·doi:10.1016/j.ins.2011.07.044 [36] A.Wu，Z.Zeng，基于记忆电阻的时变时滞递归神经网络的动态行为。神经网络。36, 1-10 (2012) ·Zbl 1258.34165号 ·doi:10.1016/j.neunet.2012.08.09 [37] A.Wu，Z.Zeng，具有时间延迟的忆阻神经网络的指数稳定性。IEEE传输。神经网络。学习。系统。23(12), 1919-1929 (2012) ·Zbl 1244.28014号 ·doi:10.1109/TNNLS.2012.2218554 [38] X.Yang，J.Cao，J.Lu，具有脉冲和随机效应的延迟复杂动力网络的同步。非线性分析。真实世界应用。12(4), 2252-2266 (2011) ·兹比尔1223.37115 ·doi:10.1016/j.nonrwa.2011.01.007 [39] X.Yang，J.Cao，J.Qiu，\[p\]基于延迟脉冲控制的混合延迟耦合忆阻神经网络的第四矩指数随机同步。神经网络。65(5), 80-91 (2015) ·兹比尔1398.34121 ·doi:10.1016/j.neunet.2015.01.008 [40] X.Yang，J.Cao，Z.Yang，通过固定脉冲控制器同步时变时滞耦合反应扩散神经网络。SIAM J控制优化。51(5), 3486-3510 (2013) ·Zbl 1281.93052号 ·doi:10.1137/120897341 [41] Z.Yang，D.Xu，时滞脉冲控制系统的稳定性分析与设计。IEEE传输。自动。控制。52(8), 1448-1454 (2007) ·Zbl 1366.93276号 ·doi:10.1109/TAC.2007.902748 [42] 于坚，胡春华，江海江，滕志强，基于脉冲控制的时变时滞非线性系统的镇定。神经计算125，68-71（2014）·doi:10.1016/j.neucom.2012.06.052 [43] G.Zhang，Y.Shen，时变时滞混沌记忆神经网络同步稳定性的新代数判据。IEEE传输。神经网络。学习。系统。24(10), 1919-1929 (2013) ·doi:10.1109/TNNLS.2013.2258356 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且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。