姜燕；罗世贤 随机延迟神经网络的周期性间歇同步。 （英语） Zbl 1370.93319号 电路系统。信号处理。 36，第4期，1426-1444（2017）。 摘要：本文主要研究时滞随机神经网络的周期间歇控制同步问题。考虑了时变有界时滞的两种情况：一种是时滞导数不受任何约束的时变时滞，另一种是导数严格小于1。对于第一种情况，基于分段Lyapunov泛函方法和Razumikhin技术，得到了一个均方指数同步准则，它可以消除对控制宽度和延迟界的限制。对于第二种情况，通过使用分段时变Lyapunov泛函、凸组合技术和随机分析技术，得到了与控制周期、控制宽度、，首先得到时滞的上界，并以线性矩阵不等式（LMI）的形式表示。然后，基于建立的同步准则，提出了最优周期间歇同步控制器。最后，利用三个例子来证明新结果的有效性。 引用于7文件 MSC公司： 93E20型 最优随机控制 93立方 由微分方程以外的函数关系控制的控制/观测系统（如混合系统和开关系统） 92B20型 生物研究、人工生命和相关主题中的神经网络 93B52号 反馈控制 关键词：随机神经网络；延误；间歇控制；Razumikhin技术；同步；分段李亚普诺夫泛函；线性矩阵不等式 PDF格式BibTeX公司 XML格式引用 \textit{Y.Jiang}和\textit{S.Luo}，电路系统。信号处理。36，第4号，1426--1444（2017；Zbl 1370.93319） 全文： 内政部 参考文献： [1] 陈寅，张晓霞，石国荣，唐海华，通过周期性间歇控制实现具有随机扰动的时滞混沌神经网络同步。2011年中国控制与决策会议（CCDC）。IEEE（2011），第3882-3887页 [2] W.-H.Chen，J.Zhong，Z.Jiang，X.Lu，基于分段Lyapunov函数/泛函的时滞神经网络的周期间歇镇定。电路系统。信号处理。33(12), 3757-3782 (2014) ·Zbl 1342.93096号 ·doi:10.1007/s00034-014-9827-0 [3] W.-H.Chen，W.X.Zheng，关于变时滞Cohen-Grossberg神经网络的全局渐近稳定性。IEEE传输。电路系统。我是Regul。巴普。55(10), 3145-3159 (2008) ·doi:10.1109/TCSI.2008.924114 [4] 陈文华，郑文霞，非线性时滞脉冲系统的输入-状态稳定性和积分输入-状态稳定。Automatica 45（6），1481-1488（2009）·Zbl 1166.93370号 ·doi:10.1016/j.automatica.2009.02.005 [5] Q.Gan，具有混合时变时滞和反应扩散项的广义随机神经网络的全局指数同步。神经计算89，96-105（2012）·doi:10.1016/j.neucom.2012.02.030 [6] Q.Gan，具有混合时变时滞和反应扩散的随机Cohen-Grossberg神经网络通过周期间歇控制的指数同步。神经网络。31, 12-21 (2012) ·Zbl 1245.93125号 ·doi:10.1016/j.neunet.2012.02.039 [7] Q.Gan，Y.Liang，基于自适应滑模控制的非恒等未知混沌延迟神经网络同步。神经过程。莱特。35(3), 245-255 (2012) ·doi:10.1007/s11063-012-9215-3 [8] C.Hu，J.Yu，H.Jiang，Z.Teng，具有时变时滞的神经网络通过周期性间歇控制的指数稳定和同步。非线性232369-2390（2010）·Zbl 1197.92005年 ·doi:10.1088/0951-7715/23/10/002 [9] 胡锦涛，余军，江海江，基于延迟反馈控制的Cohen-Grossberg型延迟神经网络的有限时间同步。神经计算14390-96（2014）·doi:10.1016/j.neucom.2014.06.016 [10] T.Huang，C.Li，X.Liu，使用间歇线性状态反馈同步时滞混沌系统。《混沌》18033122（2008）·Zbl 1309.34096号 ·doi:10.1063/1.2967848 [11] 黄建华，李春丽，韩秋秋，用周期间歇控制稳定时滞混沌神经网络。电路系统。信号处理。28(4), 567-579 (2009) ·Zbl 1170.93370号 ·doi:10.1007/s00034-009-9098-3 [12] 姜瑜，陈文华，罗春霞，关于随机时滞神经网络的周期间歇镇定。2015年第34届中国控制会议（CCC）。IEEE（2015），第1781-1786页 [13] C.Li，T.Huang，时间切换两个子系统非线性系统的指数稳定性及其在间歇控制中的应用。J.不平等。申请。2009, 348242 (2009) ·Zbl 1184.93076号 [14] F.Li，P.Shi，L.Wu，X.Zhang，多时滞离散广义系统基于模糊模型的稳定与非脆弱控制。IEEE传输。模糊系统。22(4), 1019-1025 (2014) ·doi:10.1109/TFUZZ.2013.2272647 [15] F.Li，L.Wu，P.Shi，C.-C.Lim，具有不匹配不确定性的半马尔可夫跳跃系统的状态估计和滑模控制。Automatica 51，385-393（2015）·Zbl 1309.93157号 ·doi:10.1016/j.automatica.2014.10.065 [16] N.Li，J.Cao，切换区间耦合网络鲁棒指数同步的周期间歇控制。神经计算131，52-58（2014）·doi:10.1016/j.neucom.2013.10.040 [17] X.Li，S.Song，利用脉冲控制方法研究随机扰动下混沌时滞神经网络的同步。Commun公司。非线性科学。19(10), 3892-3900 (2014) ·Zbl 1470.34163号 ·doi:10.1016/j.cnsns.2013.12.012 [18] X.Mao，随机微分方程及其应用（Horwood，Chichester，1997）·Zbl 0892.60057号 [19] L.Pan，J.Cao，通过间歇控制实现延迟动态网络的随机准同步。Commun公司。非线性科学。17（3），1332-1343（2012）·Zbl 1239.93114号 ·doi:10.1016/j.cnsns.2011.07.010 [20] J.H.Park，O.M.Kwon，中性型神经网络与随机扰动的同步。国防部。物理学。莱特。B 23（14），1743-1751（2009）·兹比尔1167.82358 ·doi:10.1142/S0217984909019909 [21] H.Shao，G.Miao，Z.Zhang，具有两个加性时变时滞系统的网络控制模型的状态反馈控制设计。国际J.Innov。计算信息控制11（4），1457-1469（2015） [22] 王毅，郝建，左忠，一种通过间歇控制实现混沌时滞系统指数同步的新方法。物理学。莱特。A 3742024-229（2010）·Zbl 1236.34073号 ·doi:10.1016/j.physleta.2010.02.069 [23] Xing，H.Jiang，C.Hu，通过周期间歇控制实现延迟递归神经网络的指数同步。神经计算113122-129（2013）·doi:10.1016/j.neucom.2013.01.041 [24] C.Xu，M.Liao，Q.Zhang，关于具有分布时滞和时变时滞的随机模糊细胞神经网络的均方指数稳定性。国际J.Innov。计算。信息控制11（1），247-255（2015） [25] X.Yang，J.Cao，带间歇控制的耦合神经网络的随机同步。物理学。莱特。A 373（36），3259-3272（2009）·Zbl 1233.34020号 ·doi:10.1016/j.physleta.2009.07.013 [26] T.Yang，L.O.Chua，通过线性变换实现混沌的广义同步。国际法学分会。混沌9（01），215-219（1999）·Zbl 0937.37019号 ·doi:10.1142/S0218127499000092 [27] G.Zhang、X.Lin、X.Zhang，通过间歇控制实现混合区间时变时滞中立型神经网络的指数镇定：CCL方法。电路系统。信号处理。33(2), 371-391 (2014) ·doi:10.1007/s00034-013-9651-y [28] W.Zhang，C.Li，T.Huang，J.Qi，具有随机扰动和脉冲延迟的马尔可夫切换神经网络的全局稳定性和同步性。电路系统。信号处理。34(8), 2457-2474 (2015) ·Zbl 1341.93107号 ·doi:10.1007/s00034-014-9924-0 [29] 周文伟，朱秋秋，石鹏，苏宏，方军，周立波，带随机扰动和马尔可夫切换参数的中立型神经网络的自适应同步。IEEE传输。赛博。44(12), 2848-2860 (2014) ·doi:10.1109/TCYB.2014.2317236 [30] Q.Zhu，W.Zhou，D.Tong，J.Fang，混合时滞中性型随机神经网络的自适应同步。神经计算99，477-485（2013）·doi:10.1016/j.neucom.2012.07.013 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。