吴忠文;聂小兵;曹伯强 时变时滞分数阶状态相关切换竞争神经网络多平衡点的共存性和局部稳定性。 (英语) Zbl 1526.34059号 神经网络。 160, 132-147 (2023). 摘要:本文研究了一类具有S形激活函数和时变时滞的竞争神经网络的多平衡点共存和局部稳定性,其中同时涉及分数阶导数和状态相关切换。基于不动点定理、Filippov意义下的平衡点定义、,分数阶微分方程理论和李亚普诺夫函数法。研究表明,有切换的竞争神经网络比无切换的竞争网络具有更大的存储容量。此外,所得结果还将分数阶切换Hopfield神经网络和积分阶切换Hoffield神经网的多稳态结果作为特例纳入其中,从而推广和改进了现有的一些工作。最后,通过四个数值算例验证了理论分析的有效性。 引用于1文件 MSC公司: 34千克37 分数阶导数泛函微分方程 34K21号 泛函微分方程的定常解 34千20 泛函微分方程的稳定性理论 34千克39 间断泛函微分方程 92B20型 生物研究、人工生命和相关主题中的神经网络 34K43号 具有状态相关变元的泛函微分方程 关键词:分数阶竞争神经网络;多稳定性;状态相关切换;S形激活函数;时变延迟 PDF格式BibTeX公司 XML格式引用 \textit{Z.Wu}等人,神经网络。160、132——147(2023年;Zbl 1526.34059) 全文: DOI程序 参考文献: [1] Carpenter,G.,模式识别和联想记忆的神经网络模型,神经网络,2,4,243-257(1989) [2] 陈,B。;Chen,J.,函数分数阶微分系统的Razumikhin型稳定性定理及其应用,应用数学与计算,254,63-69(2015)·Zbl 1410.34209号 [3] 陈,X。;宋,Q。;Li,Z.,联想记忆四元数值神经网络的设计与分析,IEEE系统、人与控制论汇刊:系统,48,12,2305-2314(2018) [4] 陈,J。;曾,Z。;Jiang,P.,基于记忆电阻的分数阶神经网络的全局Mittag-Lefler稳定性和同步,神经网络,51,1-8(2014)·Zbl 1306.34006号 [5] 陈,X。;赵,Z。;宋,Q。;Hu,J.,具有时变延迟的复值神经网络的多稳定性,应用数学与计算,294,18-35(2017)·Zbl 1411.34100号 [6] Cheng,C。;Lin,K。;Shih,C。;Tseng,J.,通过顺序收缩实现延迟神经网络的多重稳定性,IEEE神经网络和学习系统汇刊,26,12,3109-3122(2015) [7] 邓,K。;朱,S。;Dai,W。;杨,C。;Wen,S.,动态记忆电阻延迟细胞神经网络稳定性的新标准,IEEE控制论汇刊,52,6,5367-5379(2022) [8] Di Marco,M。;Forti,M。;Grazzini,M。;Pancioni,L.,一类时滞合作神经网络的极限集二分法和多稳定性,IEEE神经网络和学习系统汇刊,23,9,1473-1485(2012) [9] Di Marco,M。;Forti,M。;Pancioni,L.,具有忆阻器的非对称细胞神经网络的收敛性和多稳定性,IEEE控制论汇刊,47,10,2970-2983(2017) [10] 郭,Z。;刘,L。;Wang,J.,状态相关切换下具有分段线性激活函数的切换神经网络的多稳定性,IEEE神经网络和学习系统汇刊,30,7,2052-2066(2019) [11] 郭,Z。;刘,L。;Wang,J.,具有分段线性径向基函数和状态相关切换参数的递归神经网络的多重稳定性,IEEE系统、人与控制论汇刊:系统,50,11,4458-4471(2020) [12] 郭,Z。;Qu,S。;Wang,J.,状态相关切换下具有S形激活函数的切换神经网络的多重稳定性,神经网络,122,239-252(2020) [13] 郭,Z。;Qu,S。;Wang,J.,状态相关切换下具有高斯激活函数的切换神经网络的多重稳定性,IEEE神经网络和学习系统汇刊(2022) [14] 胡,B。;关,Z。;陈,G。;Lewis,F.,延迟混合脉冲神经网络的多稳定性及其在联想记忆中的应用,IEEE神经网络和学习系统汇刊,30,5,1537-1551(2019) [15] 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 [16] 梁,J。;龚·W。;Huang,T.,具有不连续激活函数的复值神经网络的多稳定性,神经网络,84125-142(2016)·Zbl 1432.34104号 [17] 刘,P。;聂,X。;梁,J。;Cao,J.,具有高斯激活函数的分数阶竞争神经网络的多重Mittag-Lefler稳定性,神经网络,108,452-465(2018)·Zbl 1441.93282号 [18] 刘,P。;Wang,J。;Guo,Z.,具有正弦激活函数的递归神经网络的多重和完全稳定性,IEEE神经网络和学习系统汇刊,32,1,229-240(2021) [19] 刘,P。;曾,Z。;Wang,J.,具有非单调激活函数和混合时滞的递归神经网络的多重稳定性,IEEE系统、人与控制论汇刊:系统,46,4,512-523(2016) [20] 刘,P。;曾,Z。;Wang,J.,分数阶递归神经网络的多重Mittag-Lefler稳定性,IEEE系统、人与控制论汇刊:系统,47,8,2279-2288(2017) [21] 刘,P。;曾,Z。;Wang,J.,具有非单调激活函数和无界时变时滞的递归神经网络的多重稳定性,IEEE神经网络和学习系统汇刊,29,7,3000-3010(2018) [22] 聂,X。;Cao,J.,具有时变和分布时滞的竞争神经网络的多重稳定性,非线性分析。真实世界应用,10,2,928-942(2009)·Zbl 1167.34383号 [23] 聂,X。;曹,J。;Fei,S.,具有非单调分段线性激活函数的竞争神经网络的多重稳定性和不稳定性,非线性分析。真实世界应用,45799-821(2019)·Zbl 1417.34118号 [24] 聂,X。;Huang,Z.,具有一类一般激活函数的高阶竞争神经网络的多稳定性和多周期性,神经计算,82,1-13(2012) [25] 聂,X。;刘,P。;梁,J。;Cao,J.,具有高斯激活函数的分数阶时滞hopfield神经网络多重平衡点的精确共存和局部渐近稳定性,神经网络,142690-700(2021)·Zbl 1526.93197号 [26] 聂,X。;Zheng,W.,具有不连续非单调分段线性激活函数的神经网络的多重稳定性和不稳定性,IEEE神经网络和学习系统汇刊,26,11,2901-2913(2015) [27] 聂,X。;Zheng,W.,具有不连续非单调分段线性激活函数的竞争神经网络中多平衡点的动力学行为,IEEE控制论汇刊,46,3,679-693(2016) [28] Podlubny,I.,《分数阶微分方程》(1999),学术出版社:圣地亚哥学术出版社·Zbl 0924.34008号 [29] 波帕,C。;Kaslik,E.,具有混合时滞的脉冲混合四元数值神经网络的多稳定性和多周期性,神经网络,99,1-18(2018)·Zbl 1448.93275号 [30] 秦,S。;马奇。;冯,J。;Xu,C.,具有混合延迟的记忆Cohen-Grossberg神经网络概周期解的多重稳定性,IEEE神经网络和学习系统汇刊,31,6,1914-1926(2020) [31] 宋,Q。;Chen,X.,带时滞四元数值神经网络的多稳定性分析,IEEE神经网络和学习系统汇刊,29,11,5430-5440(2018) [32] Wan,L。;Liu,Z.,时变时滞分数阶神经网络的多重(O(t^{-\alpha})稳定性,富兰克林研究所学报,357,17,12742-12766(2020)·Zbl 1454.93266号 [33] 万,P。;Sun,D。;赵,M。;Zhao,H.,具有非饱和分段线性激活函数的分数阶神经网络的近周期解的单稳性和多稳性,IEEE神经网络和学习系统学报,31,12,5138-5152(2020) [34] Wu,Z.,时变时滞分数阶四元数神经网络的多重渐近稳定性,神经计算,448301-312(2021) [35] 张,F。;黄,T。;吴琼。;Zeng,Z.,延迟分数阶竞争神经网络的多稳定性,神经网络,140325-335(2021)·Zbl 1526.93253号 [36] 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。混合动力系统,16,104-121(2015)·Zbl 1325.34016号 [37] 张,F。;Zeng,Z.,具有无界时变时滞的分数阶神经网络的多重稳定性,IEEE神经网络和学习系统汇刊,32,1,177-187(2021) [38] 张,F。;Zeng,Z.,基于混合单调算子对的延迟分数阶Cohen-Grossberg神经网络的多重Mittag-Lefler稳定性,IEEE控制论汇刊,51,12,6333-6344(2021) [39] 张,F。;Zeng,Z.,无界时变时滞分数阶竞争神经网络的多重稳定性和稳定性,IEEE神经网络和学习系统汇刊(2022) [40] 张杰。;朱,S。;卢,N。;Wen,S.,具有不连续非单调分段线性激活函数的状态相关切换神经网络的多重稳定性,神经计算,437300-311(2021) 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。