×
周向辉;张欣

基于轨迹相似的切换神经网络控制调节器的稳定性分析。 （英语） Zbl 1531.93364号

数学。方法应用。科学。 46，第14号，15764-15783（2023）.

理学硕士：

93D23型 指数稳定性
93E15型 控制理论中的随机稳定性
93立方 由微分方程以外的函数关系控制的控制/观测系统（例如混合系统和开关系统）
93B70型 网络控制

关键词：

指数稳定性;间歇观测;神经网络;轨迹相似性
PDF格式BibTeX公司 XML格式引用
\textit｛X.Zhou｝和\textit｛X.Zhang｝，数学。方法应用。科学。46，第14号，15764--15783（2023；Zbl 1531.93364）
全文： 内政部

参考文献：

[1] S.Wang、W.Ji和Y.Jiang，使用扩展二次延迟划分和等效互易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（2020），第10期，4157-4169。
[2] W.He、M.Wu和S.Lam，《ACSL：深度神经网络压缩的自适应相关驱动稀疏学习》，《神经网络》144（2021），465-477。
[3] E.Koo和H.Kim，神经网络回归中拉伸概率分布的经验策略，神经网络140（2021），113-120·Zbl 07743229号
[4] F.Ozlem，一种改进的Lyapunov泛函，应用于具有多重延迟的中立型Cohen‐Grossberg神经网络的稳定性，neural Netw.132（2020），532-539·Zbl 1478.93522号
[5] J.Cheng、L.Liang、J.H.Park、H.Yan和K.Li，具有非齐次逗留概率的开关记忆神经网络状态估计的动态事件触发方法，IEEE Trans。循环。系统‐一： 普通论文68（2021），第12期，4924-4934。
[6] T.Timochkina、T.Tatarnikova和E.Poymanova，《神经网络在网络攻击发现中的应用》，《仪器工程杂志》64（2021），第5期，357-363。
[7] S.Yan、Z.Gu、J.Park和X.Xie，具有概率通信延迟的延迟模糊神经网络的同步及其在图像加密中的应用，IEEE Trans。模糊系统31（2023），第3期，930-940。
[8] H.Germer，神经网络模型的应用，生物物理学。J.11（1971），编号：11，966-969。
[9] J.Chen、B.Chen和Z.Zeng，具有延迟的分数阶复值忆阻神经网络的全局渐近稳定性和自适应极限Mittag-Lefler同步，IEEE Trans。系统。人类网络系统49（2019），第12期，2519-2535。
[10] 刘鹏，王勇军，郭振中，具有正弦激活函数的递归神经网络的多重完全稳定性，IEEE Trans。神经网络。学习。系统32（2021），编号1，229-240。
[11] 周伟、周晓霞、杨建中、周建中和童东，分数布朗噪声驱动的时滞神经网络的稳定性分析和应用，IEEE Trans。神经网络。学习。系统29（2018），第5期，1491-1502。
[12] K.Wu、M.Ren和X.Liu，随机延迟反应扩散神经网络的指数输入到状态稳定性，神经计算412（2020），399-405。
[13] Y.Sheng、Y.Shen和M.Zhu，时滞递归神经网络的时滞相关全局指数稳定性，IEEE Trans。神经网络。学习。系统28（2017），第12期，2974-2984。
[14] S.Arindam、K.Zubair和A.Ahmed，基于神经权重协调的向量值神经网络同步，神经计算464（2021），507-521。
[15] Y.Zhang和Q.Han，基于网络的延迟神经网络同步，IEEE Trans。循环。系统60（2013），第3期，676-689·Zbl 1468.94011号
[16] X.Li，W.Zhang和J.Fang，具有时变延迟的复值记忆神经网络的事件触发指数同步，IEEE Trans。神经网络。学习。系统31（2020），第10号，4104-4116。
[17] X.Zhou，J.Yang，Z.Li，分数布朗噪声驱动的马尔可夫切换神经网络的Pth矩同步，神经计算。申请29（2018），第10号，823-836。
[18] 于军，胡春华，蒋海江，樊晓霞，分数阶神经网络的投影同步，神经网络49（2014），87-95·Zbl 1296.34133号
[19] H.Ren、Z.Peng和Y.Gu，基于随机忆阻器的神经网络与自适应控制的定时同步，神经网络130（2020），165-175·兹比尔1478.93720
[20] X.Fu和F.Kong，具有时变时滞的不连续双向联想记忆（BAM）神经网络反周期解的全局指数稳定性分析，国际期刊Nonlin。科学。数字。Simul.21（2020），编号7-8，807-820·Zbl 07446874号
[21] O.Jose，具有无界延迟的非自治神经网络模型的全局指数稳定性，《神经网络》96（2017），71-79·Zbl 1442.34116号
[22] S.Hristova和P.Kopanov，随机脉冲神经网络的稳定性，Dyn。系统。申请27（2018），第4号，791-801。
[23] Z.Feng、H.Shao和L.Shao，进一步改进了具有时变时滞的广义神经网络的稳定性结果，《神经计算》367（2019），308-318。
[24] C.Aouti、M.M'hamdi、F.Cherif和A.Alimi，具有混合延迟的脉冲广义高阶递归神经网络：稳定性和周期性，神经计算321（2018），296-307。
[25] J.Chen、J.Park和S.Xu，通过改进技术对具有时变延迟的神经网络进行稳定性分析，IEEE Trans。Cybern.49（2019），第12期，4495-4500。
[26] Z.Wang和L.Huang，延迟复值BAM神经网络的全局稳定性分析，Neurocomputing173（2016），第4期，2083-2089。
[27] K.Patan，一类离散时间动态神经网络的稳定性分析和稳定性，IEEE Trans。神经网络18（2007），第3期，660-673。
[28] X.Li，J.Fang，and H.Li，周期间歇状态反馈控制下随机记忆递归神经网络的指数镇定，亚洲控制杂志22（2020），第2期，897-907。
[29] D.Liu，Z.Wang，Z.Zhang，and J.Liu，由Levy噪声驱动的随机混合神经网络的部分稳定性，系统。科学。控制工程8（2020），编号1，413-421。
[30] X.Lou和B.Cui，一类具有反应扩散项的延迟神经网络的鲁棒指数镇定，Int.J.neural Syst.16（2006），第6期，435-443。
[31] X.Chen和D.Lin，一类时滞切换惯性神经网络的非降阶镇定，Trans。《仪器测量控制》43（2021），第9期，1949-1957年。
[32] Y.Dong和H.Wang，具有时变时滞的不确定离散时间随机神经网络的鲁棒输出反馈镇定，神经过程。Lett.51（2020），第1期，第83-103页。
[33] P.Liu，X.Nie，J.Liang，and J.Cao，分数阶竞争神经网络的多重Mittag‐Leffler稳定性，高斯激活函数，神经网络108（2018），452-465·Zbl 1441.93282号
[34] 程建华，朴建华，赵晓霞，曹建华，齐伟，带量化的切换系统静态输出反馈控制：非齐次逗留概率方法，国际鲁棒非线性。《控制》29（2019），5992-6005·Zbl 1432.93104号
[35] F.Kong、Y.Ren和R.Sakthivel，具有时变时滞的惯性神经网络的周期性和指数稳定性的时滞相关准则，Neurocompting419（2021），261-272。
[36] S.Su、Z.Lin和A.Garcia，具有未知非线性的多智能体系统的分布式同步控制，IEEE Trans。Cybern.46（2016），第1期，325-338。
[37] 刘毅，高晓霞，混合时滞记忆神经网络的指数和定时镇定，数学。方法应用。科学44（2021），第8期，7275-7293·Zbl 1479.34126号
[38] X.Zhou，J.Yang，Z.Li，基于分割轨迹法的分数布朗噪声扰动切换神经网络稳定性分析，国际控制杂志90（2017），第10期，2165-2177·Zbl 1380.93278号
[39] Q.Xiao和T.Huang，时滞惯性神经网络在时间尺度上的稳定性：统一矩阵测量方法，神经网络130（2020），33-38·Zbl 1478.93564号
[40] G.Zhang和Y.Shen，通过间歇控制实现基于记忆电阻的时变时滞混沌神经网络的指数镇定，IEEE Trans。神经网络。学习。系统26（2015），第7期，1431-1441。
[41] S.Yang、C.Li和T.Huang，通过周期性间歇控制的忆阻神经网络模糊模型的指数稳定和同步，neural Netw.75（2016），162-172·Zbl 1415.93220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。