刘海波；钱伟；赵云吉 混合时滞神经网络状态估计的新优化方法。 （英语） Zbl 1509.93009号 电路系统。信号处理。 第7期第41页，3777-3797页（2022）。 MSC公司： 93B36型 \（H^\infty）-控制 93立方厘米 延迟控制/观测系统 93元65角 离散事件控制/观测系统 68T07型 人工神经网络与深度学习 关键词：神经网络；混合延迟；\（H_\infty）状态估计；延迟型功能 PDF格式BibTeX公司 XML格式引用 \textit{H.Liu}等人，《电路系统》。信号处理。41，编号7，3777--3797（2022；Zbl 1509.93009） 全文： 内政部 参考文献： [1] 阿里，理学硕士；萨拉瓦南，S。；朱强，分布时变时滞神经网络的非脆弱有限时间H_∞状态估计，J.Frankl。Inst.，354，16756-7584（2017）·兹比尔1373.93331 ·doi:10.1016/j.jfranklin.2017.09.002 [2] Baskar，P。；Padmanabhan，S。；Syed Ali，M.，具有泄漏延迟信号的混合延迟随机神经网络的新型延迟相关稳定性条件，国际计算杂志。数学。，96, 6, 1107-1120 (2019) ·Zbl 1481.34093号 ·doi:10.1080/00207160.2018.1439581 [3] 曹，JD；马尼瓦南，R。；Chong，KT；Lv，XX，基于二次型广义自由矩阵积分不等式的含泄漏项时滞神经网络的增强L_2-L_∞状态估计设计，J.Frankl。研究所，356，13，7371-7392（2019）·Zbl 1418.93107号 ·doi:10.1016/j.jfranklin.2019.06.040 [4] 陈，J。；公园，JH；Xu，SY，通过改进技术进行时变时滞神经网络的稳定性分析，IEEE Trans。赛博。，49, 12, 4495-4500 (2019) ·doi:10.1109/TCYB.2018.2868136 [5] 陈，Y。；Chen，G.，基于新型Lyapunov泛函的时变时滞系统稳定性分析，IEEE/CAA J Autom。，1068-1073年6月4日（2019年）·doi:10.1109/JAS.2019.1911597 [6] 丁·S。；王，Z。；Wu，Y。；Zhang，H.，基于Wirter-based多重积分不等式的时滞神经网络稳定性准则，神经计算，21453-60（2016）·doi:10.1016/j.neucom.2016.04.058 [7] 董，SY；朱，H。；钟，SM；Shi，KB；陈，J。；Kang，W.，具有随机采样数据通信的记忆静态神经网络可靠H_∞性能状态估计的新结果，应用。数学。计算。，364, 1-17 (2020) ·Zbl 1433.93131号 [8] 德奥利维拉，SSF；Souza，FO，时变时滞系统稳定性条件的进一步细化，应用。数学。计算。，369, 1-9 (2020) ·Zbl 1433.34096号 [9] He，J。；梁，Y。；杨，FS；Yang，F.，基于负定项Lyapunov-Krasovskii泛函的时滞静态神经网络新的H_∞状态估计准则，神经网络。，123236-247（2020）·兹比尔1443.93130 ·doi:10.1016/j.neunet.2019.12.008 [10] Hou，N。；Dong，H。；王，Z。；Ren，W。；Alsaadi，FE，H_∞离散时间神经网络的状态估计。，89, 61-73 (2017) ·Zbl 1441.93300号 ·doi:10.1016/j.neunet.2016.12.004 [11] Hua，M。；Tan，H。；Chen，J.，具有时变时滞和噪声干扰的随机神经网络的时滞相关H_∞和广义H_2滤波，神经计算。申请。，25, 613-624 (2014) ·doi:10.1007/s00521-013-1531-7 [12] 黄，H。；黄，TW；Chen，XP，时滞静态神经网络保H_∞性能状态估计的进一步结果，IEEE Trans。神经网络。学习。系统。，26, 6, 1335-1341 (2017) ·doi:10.1109/TNNLS.2014.2334511 [13] 黄，YB；何毅。；安，JQ；Wu，M.，多项式型Lyapunov-Krasovskii泛函和Jacobi-Bessel不等式：时滞系统稳定性分析的进一步结果，IEEE Trans。自动。控制，66，6，2905-2912（2021）·兹比尔1467.93243 ·doi:10.1109/TAC.2020.3013930 [14] 贾，TH；潘，YN；梁，HJ；Lam，HK，带时变位移约束的主动车辆悬架系统基于事件的自适应定时模糊控制，IEEE Trans。模糊系统。(2021) ·doi:10.1109/TFUZZ.2021.3075490 [15] Kwon，OM；公园，MJ；李，SM；公园，JH；Cha，EJ，通过一些新方法实现时变时滞神经网络的稳定性，IEEE Trans。神经网络。学习。系统。，24, 2, 181-193 (2013) ·doi:10.1109/TNNLS.2012.224883 [16] Lakshmanan，S。；马蒂亚拉甘，K。；朴槿惠；萨克西维尔，R。；Rihan，FA，混合时变时滞神经网络的时滞相关H_∞状态估计，神经计算，129392-400（2014）·doi:10.1016/j.neucom.2013.09.020 [17] 李强。；沈，B。；王，ZD；黄，TW；Luo，J.，一类离散时滞复杂动态网络的同步控制：动态事件触发方法，IEEE Trans。赛博。，49, 5, 1979-1986 (2019) ·doi:10.1109/TCYB.2018.2818941 [18] 李，YM；刘，YJ；Tong，SC，状态约束严格反馈非线性系统的基于观测器的神经自适应优化控制，IEEE Trans。神经网络。学习。系统。(2021) ·doi:10.1109/TNNLS.2021.3051030 [19] 李，YM；Min，X。；Tong，SC，基于观测器的不确定非线性系统模糊自适应逆最优输出反馈控制，IEEE Trans。模糊。系统。，29, 6, 1484-1495 (2021) ·doi:10.1109/TFUZZ.2020.2979389 [20] 李，YM；Yang，TT；Tong，SC，一类非线性系统的自适应神经网络有限时间最优控制，IEEE Trans。神经网络。学习。系统。，31, 11, 4451-4460 (2020) ·doi:10.1109/TNNLS.2019.2955438 [21] 梁，HJ；刘，GL；黄，TW；Lam，香港；Wang，BH，具有非微分饱和非线性的随机非线性系统网络的协同容错控制，IEEE Trans。系统。人类网络。系统。(2020) ·doi:10.1109/TSMC.2020.3020188 [22] 梁，HJ；刘，GL；张，HG；Huang，TW，基于神经网络的动态不确定性非仿射非线性多智能体系统的事件触发自适应控制，IEEE Trans。神经网络。学习。系统。，32, 5, 2239-2250 (2021) ·doi:10.1109/TNNLS.2020.3003950 [23] 林，WJ；何毅。；张，CK；Wu，M.，时变时滞神经网络的稳定性分析：增强稳定性准则和保守性比较，Commun。非线性科学。数字。模拟。，54, 118-135 (2018) ·Zbl 1510.68095号 ·doi:10.1016/j.cnsns.2017.05.021 [24] 林，WJ；何毅。；张，CK；吴，M。；沈，J.，通过延迟型泛函对具有时变时滞的马尔可夫跳跃神经网络进行扩展耗散性分析，IEEE Trans。神经网络。学习。系统。，30, 8, 2528-2537 (2019) ·doi:10.1109/TNNLS.2018.2885115 [25] 刘，S。；王，Z。；陈，Y。；Wei，G.，随机不确定性存在下基于协议的无迹卡尔曼滤波，IEEE Trans。自动。控制，65，1303-1309（2020）·Zbl 07256255号 ·doi:10.1109/TAC.2019.2929817 [26] 刘，Y。；沈，B。；Li，Q.，基于Markov非均匀抽样的神经网络状态估计：部分未知转移概率情况，神经计算，357，261-270（2019）·doi:10.1016/j.neucom.2019.04.065 [27] 马尼瓦南，R。；Mahendrakumar，G。；R·武士。；曹，J。；Alsadi，A.，具有区间时变延迟信号的广义神经网络的指数稳定性和扩展耗散性准则，J.Frankl。研究所，354，11，4353-4376（2017）·Zbl 1380.93208号 ·doi:10.1016/j.jfranklin.2017.04.007 [28] 钱，W。；高，YS；Yang，Y。；Li，B.，具有内部延迟和通信延迟的多智能体系统的全球共识，IEEE Trans。系统。人类网络。系统。，49, 10, 1961-1970 (2019) ·doi:10.1109/TSMC2018.2883108 [29] 钱，W。；李毅。；陈，Y。；Liu，W.，具有随机非线性和传感器饱和的随机时滞系统的L_2-L_∞滤波，国际期刊系统。科学。，51, 13, 2360-2377 (2020) ·Zbl 1483.93658号 ·doi:10.1080/00207721.2020.1794080 [30] 钱，W。；李毅。；Zhao，Y。；Chen，Y.，延迟神经网络L_2-L_∞状态估计的新优化方法，神经计算，415258-265（2020）·doi:10.1016/j.neucom.2020.06.118 [31] 钱，W。；Xing，W。；Fei，S.，具有一般激活函数和混合时变时滞的神经网络的H_∞状态估计，IEEE Trans。神经网络。学习。系统。，32, 9, 3909-3918 (2021) ·doi:10.1109/TNNLS.2020.3016120 [32] 萨拉瓦纳库马尔，R。；康，HS；Ahn、CK；苏，X。；Karimi，HR，延迟神经网络的鲁棒稳定：耗散学习方法，IEEE Trans。神经网络。学习。系统。，30, 3, 913-922 (2019) ·doi:10.1109/TNNLS.2018.2852807 [33] Seuret，A。；Gouaisbaut，F.，使用Bessel-Legendre不等式的时变时滞线性系统的稳定性，IEEE Trans。自动。控制，63，1，225-232（2018）·Zbl 1390.34213号 ·doi:10.1109/TAC.2017.2730485 [34] Seuret，A。；Gouaisbaut，F.，基于Wirtinger的积分不等式：在时滞系统中的应用，Automatica，49，9，2860-2866（2013）·Zbl 1364.93740号 ·doi:10.1016/j.automatica.2013.05.030 [35] 上官，XC；张，CK；何毅。；Jin，L。；江，L。；斯宾塞，JW；Wu，M.，考虑传输延迟和采样周期的电力系统鲁棒负载频率控制，IEEE Trans。Ind.通知。，17, 8, 5292-5303 (2021) ·doi:10.1109/TII.2020.3026336 [36] 沈，B。；王，ZD；乔，H.，具有随机参数和不完全测量的离散时间多延迟神经网络的事件触发状态估计，IEEE Trans。神经网络。学习。系统。，28, 5, 1152-1163 (2017) ·doi:10.1109/TNNLS.2016.256030 [37] 田，YF；Wang，ZS，基于具有延迟型和多重积分项的增广Lyapunov-Krasovskii泛函的延迟神经网络稳定性分析，神经计算，410295-303（2020）·doi:10.1016/j.neucom.2020.05.045 [38] Wang，L。；王，Z。；魏，G。；Alsaadi，FE，具有基于组件的事件触发协议的递归延迟神经网络的有限时间状态估计，IEEE Trans。神经网络。学习。系统。，29, 4, 1046-1057 (2018) ·doi:10.1010/TNNLS.2016.2635080 [39] 王，S。；Ji，W。；姜瑜。；Liu，D.，使用扩展二次延迟划分和等效倒数凸组合技术的时变延迟神经网络的松弛稳定性准则，IEEE Trans。神经网络。学习。系统。，31, 10, 4157-4169 (2020) ·doi:10.1109/TNNLS.2019.2952410 [40] 曾，HB；刘，XG；Wang，W.，基于广义自由矩阵的积分不等式，用于时变时滞系统的稳定性分析，应用。数学。计算。，354, 1-8 (2019) ·Zbl 1418.91606号 ·doi:10.1016/j.cam.2018.03.046 [41] 张，XM；韩，QL；Ge，XH；Zhang，BL，基于Lyapunov-Krasovskii泛函和时滞相关矩阵的时滞神经网络的无源性分析，IEEE Trans。赛博。，50, 3, 946-956 (2020) ·doi:10.1109/TCYB.2018年2874273 [42] 张，CK；何毅。；江，L。；林，WJ；Wu，M.，时变时滞神经网络的时滞相关稳定性分析：广义自由加权矩阵方法，应用。数学。计算。，294, 102-120 (2017) ·Zbl 1411.92012年 [43] 赵，D。；王，ZD；魏，GL；Liu，XH，时变时滞递归神经网络的非脆弱H_∞状态估计：关于比例积分观测器设计，IEEE Trans。神经网络。学习。系统。，99, 1-13 (2020) ·doi:10.1109/TNNLS.2020.2967471 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。