×
陈云;王慧娇;薛安科;陆仁泉

随机时滞神经网络的无源性分析。 （英语） Zbl 1204.93126号

非线性动力学。 61，编号1-2，71-82（2010）.
综述：本文研究了具有时变时滞和参数不确定性的随机神经网络的无源性分析。定义了随机神经网络的无源性。基于线性矩阵不等式（LMI）提出了延迟相关和延迟相关随机无源性条件。结果是用Lyapunov-Krasovskii泛函方法建立的。为了推导延迟相关无源性准则，引入了一些自由加权矩阵。数值算例表明了该方法的有效性。

引用于26文件

MSC公司：

93E15型 控制理论中的随机稳定性
34千克50 随机泛函微分方程
92B20型 生物研究、人工生命和相关主题中的神经网络

关键词：

随机神经网络;时间延迟;渐近均方稳定性;随机无源性;线性矩阵不等式
PDF格式BibTeX公司 XML格式引用
\textit{Y.Chen}等，非线性动力学。61，编号1--2，71-82（2010；Zbl 1204.93126）
全文： 内政部

参考文献：

[1] Haykin，S.：《神经网络：综合基础》。Prentice-Hall，Englewood Cliffs（1998）·Zbl 0828.68103号
[2] Shams，S.：多目标多传感器被动跟踪的神经网络优化。程序。IEEE 84（10），1442-1457（1996）·doi:10.1109/5.537110
[3] Ruiz，A.，Owens，D.H.，Townley，S.：递归神经网络中周期运动的存在、学习和复制。IEEE传输。神经网络。9(4), 651–661 (1998) ·数字对象标识代码：10.1109/72.701178
[4] Ren，X.M.，Rad，A.B.：基于时滞神经网络识别具有未知时滞的非线性系统。IEEE传输。神经网络。18(5), 1536–1541 (2007) ·doi:10.1109/TNN.2007.899702
[5] Mi，L.，Takeda，F.：基于神经网络的基于压力的个人识别系统的鲁棒性分析。国际J.Innov。计算。，信息控制3（1），97–110（2007）
[6] Fekih，A.，Xu，H.，Chowdhury，F.：基于神经网络的系统识别技术，用于非线性系统的基于模型的故障检测。国际J.Innov。计算。，信息控制3（5），1073–1085（2007）
[7] Gu，K.，Kharitonov，V.L.，Chen，J.：时滞系统的稳定性。柏林施普林格出版社（2003）·Zbl 1039.34067号
[8] Xu，S.，Lam，J.：关于时滞系统某些稳定性判据的等价性和有效性。IEEE传输。自动化。控制52（1），95–101（2007）·Zbl 1366.93451号 ·doi:10.1109/TAC.2006.886495
[9] Wang，R.，Zhao，J.：具有时滞的离散时间切换线性系统的指数稳定性分析。国际J.Innov。计算。，信息控制3（6）（B），1557–1564（2007）
[10] Li，L.，Jia，Y.，Du，J.，Yuan，S.：时变时滞不确定广义系统的鲁棒L2控制。掠夺。自然科学。18, 1015–1021 (2008) ·doi:10.1016/j.pnsc.2008.03.005
[11] Peng，C.，Tian，Y.-C.：具有区间时变时滞的不确定系统的改进时滞相关鲁棒稳定性准则。IET控制理论应用。2(9), 752–761 (2008) ·doi:10.1049/iet-cta:20070362
[12] Michel，A.，Liu，D.：递归神经网络的定性分析和合成。Dekker，纽约（2002年）·Zbl 1026.68115号
[13] Baldi，P.，Atiya，A.F.：延迟如何影响神经动力学和学习。IEEE传输。神经网络。5(3), 612–621 (1994) ·doi:10.1109/72.2982231
[14] Cao，J.：延迟细胞神经网络的周期解和指数稳定性。物理学。版本E 60，3244–3248（1999）·doi:10.1103/PhysRevE.60.3244
[15] Liao，X.，Chen，G.，Sanchez，E.N.：时滞神经网络的时滞相关指数稳定性分析：LMI方法。神经网络。15, 855–866 (2002) ·doi:10.1016/S0893-6080（02）00041-2
[16] Singh，V.：时滞细胞神经网络的鲁棒稳定性：线性矩阵不等式方法。IEE程序。控制理论应用。151, 125–129 (2004) ·doi:10.1049/ip-cta:20040091
[17] He，Y.，Wang，Q.-G.，Wu，M.：基于LMI的多时变时滞神经网络稳定性准则。《物理学D》212126–136（2005）·Zbl 1097.34054号 ·doi:10.1016/j.physd.2005.09.013
[18] Xu，S.，Lam，J.：时变时滞神经网络指数稳定性分析的新方法。神经网络。19, 76–83 (2006) ·Zbl 1093.68093号 ·doi:10.1016/j.neunet.2005.05.005
[19] Chen，Y.，Su，W.：具有时变离散和分布时滞的细胞神经网络的新鲁棒稳定性。国际J.Innov。计算。，信息控制3（6）（B），1549–1556（2007）
[20] Xu，J.，Pi，D.，Cao，Y.-Y.，Zhong，S.：基于Lyapunov泛函方法的神经网络稳定性。IEEE传输。电路系统。一、 雷古尔。巴普。54(4), 912–924 (2007) ·Zbl 1374.34289号 ·doi:10.10109/TCSI.2007.890604
[21] 卢，C.，苏，T.，苏，Y.，Huang，S.：具有混合时变时滞的静态递归神经网络稳定性的时滞相关方法。国际J.Innov。计算。，信息控制4（7），1661–1672（2008）
[22] Wu，H.，Sun，J.，Zhong，X.：具有逆Lipschitz神经元激活和脉冲的延迟神经网络的动力学行为分析。国际J.Innov。计算。，信息控制4（3），705–716（2008）
[23] Xia，L.，Xia，M.，Liu，L.：具有离散和分布时滞的神经网络全局渐近稳定性的LMI条件。ICIC快递。2(3), 257–262 (2008)
[24] Yi，J.，Yang，G.，Zhu，Y.，Tang，Z.：混沌神经网络中的动力学分析和系数调整方法。ICIC快报。2(4), 323–330 (2008)
[25] Mou，S.，Gao，H.，Lam，J.，Qiang，W.：时滞Hopfield神经网络时滞相关渐近稳定性的新判据。IEEE传输。神经网络。19(3), 532–535 (2008) ·doi:10.1109/TNN.2007.912593
[26] Zhang，H.，Wang，Z.，Liu，D.：具有多个时变时滞的递归神经网络的全局渐近稳定性。IEEE传输。神经网络。19(5), 855–872 (2008) ·doi:10.10109/TN.2007.912319
[27] Shao，H.：递归神经网络全局指数稳定性的延迟依赖方法。IEEE传输。电路系统。二、 实验简报55（6），591–595（2008）·doi:10.1109/TCSII.2007.916727
[28] Blythe，S.，Mao，X.，Liao，X.：随机延迟神经网络的稳定性。J.Franklin Inst.338，481-495（2001）·Zbl 0991.93120号 ·doi:10.1016/S0016-0032（01）00016-3
[29] Longtin，A.，Milton，J.G.，Bos，H.E.，Mackey，C.：振荡开始时瞳孔光反射的噪声和临界行为。物理学。版次A 41，6992–7005（1990）·doi:10.1103/PhysRevA.41.6992
[30] Cabrera，J.L.，Milton，J.G.：人类平衡任务中的时断时续。物理学。修订稿。89(15), 158702 (2002) ·doi:10.1103/PhysRevLett.89.158702
[31] Stoica，A.-M.，Yaesh，I.：带乘性噪声的马尔可夫跳变延迟Hopfield网络。Automatica 44、2157–2162（2008）·Zbl 1283.93300号 ·doi:10.1016/j.automatica.2007.12.013
[32] Wang，Z.，Shu，H.，Fang，J.，Liu，X.：具有时滞的随机Hopfield神经网络的鲁棒稳定性。非线性分析。，真实世界应用。7, 1119–1128 (2006) ·Zbl 1122.34065号 ·doi:10.1016/j.nonrwa.2005.10.004
[33] Zhang，J.，Shi，P.，Qiu，J.：具有时变时滞的不确定随机Hopfield神经网络的新鲁棒稳定性准则。非线性分析。，真实世界应用。8，1349–1357（2007年）·Zbl 1124.34056号 ·doi:10.1016/j.nonrwa.2006.06.010
[34] Huang，H.，Feng，G.：具有时变时滞的不确定随机神经网络的时滞相关稳定性。《物理学A》381，93–103（2007）·doi:10.1016/j.physa.2007.04.020
[35] Li，X.，Cao，J.：具有时变时滞和反应-扩散项的随机Cohen–Grossberg神经网络的时滞无关指数稳定性。非线性动力学。50, 363–371 (2007) ·Zbl 1176.92004号 ·doi:10.1007/s11071-006-9164-3
[36] Chen，W.-H.，Lu，X.：不确定随机时滞神经网络的均方指数稳定性。物理学。莱特。A 3721061–1069（2008）·Zbl 1217.92005年 ·doi:10.1016/j.physleta.2007.09.009
[37] Chen，Y.，Xue，A.，Zhao，X.，Zhou，S.：具有时变时滞的不确定随机Hopfield神经网络的改进时滞相关稳定性分析。IET控制理论应用。3, 88–97 (2009) ·doi:10.1049/iet-cta:20070319
[38] Lozano，R.，Brogliato，B.，Egeland，O.，Maschke，B.：耗散系统分析与控制：理论与应用。施普林格，伦敦（2000）·Zbl 0958.93002号
[39] Commuri，S.，Lewis，F.L.：用于非线性动力系统控制的CMAC神经网络：结构、稳定性和无源性。Automatica 33（4），635–641（1997）·Zbl 0883.93045号 ·doi:10.1016/S0005-1098（96）00180-X
[40] Yu，W.，Li，X.：动态神经网络系统辨识的新结果。IEEE传输。神经网络。12, 412–417 (2001) ·数字对象标识代码：10.1109/72.914535
[41] Yu，W.：动态多层神经识别器的被动性分析。IEEE传输。电路系统。一、 芬丹。理论应用。50(1), 173–178 (2003) ·Zbl 1368.93133号 ·doi:10.1109/TCSI.2002.807519
[42] Li，C.，Liao，X.：时滞神经网络的无源性分析。IEEE传输。电路系统。二、 实验简报52（8），471–475（2005）·doi:10.1109/TCSII.2005.849023
[43] Lou，X.，Cui，B.：时变时滞积分微分神经网络的无源性分析。神经计算70，1071–1078（2007）·doi:10.1016/j.neucom.2007.02.003
[44] Park，J.H.：延迟细胞神经网络被动性分析的进一步结果。混沌孤子分形34，1546–1551（2007）·Zbl 1152.34380号 ·doi:10.1016/j.chaos.2005.04.124
[45] Khas-miniskii，R.Z.：微分方程的随机稳定性。S&N国际出版社，洛克维尔（1980年）
[46] Mao，X.：随机微分方程及其应用。霍伍德，奇切斯特（1997）·Zbl 0892.60057号
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。