Improvement of finite-time stability for delayed neural networks via a new Lyapunov-Krasovskii functional

Patarawadee Prasertsang; Thongchai Botmart; Patarawadee Prasertsang; Thongchai Botmart

doi:10.3934/math.2021060

AIMS数学

2021,第6卷, 第1版: 998-1023. 数字对象标识：10.3934/平均.2021060

研究文章特殊问题

利用新的Lyapunov-Krasovskii泛函改进时滞神经网络的有限时间稳定性

帕塔拉瓦迪·普拉瑟桑 ¹,
通柴Botmart ^2, ,

1
泰国Sakon Nakhon 47000 Chalermparkiat Sakon Nakhon省校区Kasetsart大学普通科学系
2
泰国孔敬大学科学院数学系，孔敬40002

收到时间：2020年9月4日 接受日期：2020年11月3日 出版：2020年11月6日
MSC公司：34D20、34K20、37C75

通过一个新的参数Lyapunov-Krasovskii泛函（LKF），提出了时变时滞神经网络的有限时间稳定性判据，系统的时变时滞是不可微的。对于本研究的充分条件，将一个新的（LKF）与改进的三重积分项相结合，即有限时间稳定性、积分不等式和不使用自由加权矩阵的正对角矩阵的功能。利用线性矩阵不等式（LMI）给出了具有时变时滞的神经网络的改进的有限时间充分条件，结果表明改进了以往的研究。数值算例表明了该方法的有效性。
- 有限时间稳定性,
- 神经网络,
- 时变延迟,
- 积分不等式
引用：Patarawadee Prasertsang，通柴Botmart。通过一个新的Lyapunov-Krasovskii泛函改进时滞神经网络的有限时间稳定性[J]。AIMS数学，2021，6（1）：998-1023。doi:10.3934/每小时2021060

相关论文：

摘要

通过一个新的参数Lyapunov-Krasovskii泛函（LKF），提出了时变时滞神经网络的有限时间稳定性判据，系统的时变时滞是不可微的。对于本研究的充分条件，将一个新的（LKF）与改进的三重积分项相结合，即有限时间稳定性、积分不等式和不使用自由加权矩阵的正对角矩阵的功能。利用线性矩阵不等式（LMI）给出了具有时变时滞的神经网络的改进的有限时间充分条件，结果表明改进了以往的研究。数值算例表明了该方法的有效性。

工具书类

[1]	Bai Y.Q.，J.Chen，具有区间时变时滞的递归神经网络的新稳定性判据，神经计算, 121 (2013), 179-184. 数字对象标识：10.1016/j.neucom.2013.04.031
[2]	孙建军，陈建军，具有区间时变时滞的静态递归神经网络的稳定性分析，应用数学计算, 221 (2013), 111-120.
[3]	O.M.Kwon、M.J.Park、J.H.Park，S.M.Lee、E.J.Cha，关于区间时变时滞静态神经网络稳定性的新结果和改进结果，应用数学计算, 239 (2014), 346-357.
[4]	曾海斌，朴建华，张春凤，王文伟，区间时变时滞静态神经网络的稳定性和耗散性分析，J.弗兰克尔。仪器。, 352 (2015), 1284-1295. 数字对象标识：2016年10月10日/j.富兰克林.2014.12.023
[5]	W.J.Lin，Y.He，C.K.Zhang，M.Wu，M.Ji，基于自由矩阵积分不等式的区间时变时滞递归神经网络稳定性分析，神经计算, 205 (2016), 490-497. 数字对象标识：2016年10月10日/j.neucom.2016.04.052
[6]	Z.M.Gao，Y.He，M.Wu，通过新的增广Lyapunov-Krasovskii泛函改进时变时滞神经网络的稳定性准则，应用。数学。计算。, 349 (2019), 258-269.
[7]	X.M.Zhang，Q.L.Han，使用基于矩阵的二次凸方法分析时滞神经网络的全局渐近稳定性，神经网络, 54 (2014), 57-69. 数字对象标识：10.1016/j.neunet.2014.02.012
[8]	O.M.Kwon，J.H.Park，S.M.Lee，E.J.Cha，时变时滞神经网络的时滞相关稳定性分析，神经计算, 103 (2013), 114-120. 数字对象标识：2016年10月10日/j.neucom.2012.09.012
[9]	X.Xie，Z.Ren，时变时滞神经网络的改进时滞相关稳定性分析，ISA事务。, 53 (2014), 1000-1005. 数字对象标识：2016年10月10日/j.isatra.2014.05.010
[10]	M.D.Ji，Y.He，C.K.Zhang，M.Mu，时变时滞递归神经网络的新稳定性判据，神经计算, 138 (2014), 383-391. 数字对象标识：2016年10月10日/j.neucom.2014.01.024
[11]	O.M.Kwon、M.J.Park、J.H.Park，S.M.Lee、E.J.Cha，通过一些新的增广Lyapunov-Krasovskii泛函对具有区间时变时滞的神经网络进行稳定性分析，Commun公司。非线性科学。数字。模拟。, 19 (2014), 3184-3201. 数字对象标识：10.1016/j.cnsns.2014.024
[12]	W.I.Lee，S.Y.Lee，P.G.Park，通过新的Lyapunov泛函改进具有区间时变时滞的递归神经网络的稳定性准则，神经计算, 155 (2015), 128-134. 数字对象标识：2016年10月10日/j.neucom.2014.12.040
[13]	X.Wang，K.She，S.Zhong，S.Yang，带区间时变时滞的递归神经网络的新结果和改进结果，神经计算，175A（2016），492-499。
[14]	张彦，岳德岳，田毅，区间时变时滞神经网络的新稳定性判据：分段时滞方法，应用。数学。计算。, 208 (2009), 249-259.
[15]	Q.Yang，Q.Ren，X.Xie，带区间时变时滞的递归神经网络新的时滞相关稳定性判据，ISA事务。, 53 (2014), 994-999. 数字对象标识：2016年10月10日/j.isatra.2014.05.009
[16]	R.Rakkiyappan，R.Sivasamy，J.H.Park，T.H.Lee，具有加性时变时滞的广义神经网络的改进稳定性准则，神经计算, 171 (2016), 615-624. 数字对象标识：2016年10月10日/j.neucom.2015.07.004
[17]	H.B.Zeng，Y.He，P.Shi，M.Wu，S.P.Xiao，时变时滞神经网络的耗散分析，神经计算, 168 (2015), 741-746. 数字对象标识：2016年10月10日/j.neucom.2015.05.050
[18]	王洪涛，刘振堂，何勇，时变时滞切换神经网络的指数稳定性判据，神经计算，331（2019），1-9。数字对象标识：2016年10月10日/j.neucom.2018.11.022
[19]	J.Tian，S.Zhong，时变时滞神经网络的改进时滞相关稳定性判据，应用。数学。计算。, 217 (2011), 10278-10288.
[20]	S.Senthilraj，R.Raja，Q.Zhu，R.Samidurai，Z.Yao，时变时滞静态神经网络新的时滞间隔相关稳定性准则，神经计算, 186 (2016), 1-7. 数字对象标识：2016年10月10日/j.neucom.2015.12.063
[21]	M.J.Park、O.M.Kwon、J.H.Park，S.M.Lee、E.J.Cha，关于具有区间时变时滞的耦合离散时间神经网络的同步准则，神经计算, 99 (2013), 188-196. 数字对象标识：2016年10月10日/j.neucom.2012.04.027
[22]	B.Yang，J.Wang，X.Liu，时变时滞广义神经网络的改进时滞相关稳定性准则，信息科学。, 420 (2017), 299-312. 数字对象标识：10.1016/j.ins.2017.08.072
[23]	M.J.Park，S.H.Lee，O.M.Kwon，J.H.Ryu，通过广义自由加权矩阵积分不等式增强时变时滞神经网络的稳定性准则，J.弗兰克尔。仪器。, 355 (2018), 6531-6548. 数字对象标识：2016年10月10日/j.jfranklin.2018.06.023
[24]	C.Hua，Y.Wang，S.Wu，使用新的增广Lyapunov-Krasovskii泛函分析时变时滞神经网络的稳定性，神经计算, 332 (2019), 1-9. 数字对象标识：2016年10月10日/j.neucom.2018.08.044
[25]	F.Zhang，Z.Li，区间时变时滞神经网络鲁棒无源性分析的基于辅助函数的积分不等式方法，神经计算, 306 (2018), 189-199. 数字对象标识：2016年10月10日/j.neucom.2018.04.026
[26]	X.Yang，Y.Tian，X.Li，不确定中立型切换时滞神经网络的有限时间有界性和稳定性，神经计算, 314 (2018), 468-478. 数字对象标识：2016年10月10日/j.neucom.2018.07.020
[27]	肖军，曾振安，吴安良，时滞递归神经网络指数稳定性的新判据，神经计算, 134 (2014), 182-188. 数字对象标识：2016年10月10日/j.neucom.2013.07.053
[28]	B.Yang，J.Wang，J.Wang，通过一个新的积分不等式分析时滞神经网络的稳定性，神经网络, 88 (2017), 49-57. 数字对象标识：2016年10月10日/j.neunet.2017.01.008
[29]	X.Yang，Q.Song，Y.Liu，Z.Zhao，分数阶时滞神经网络的有限时间稳定性分析，神经计算, 152 (2015), 19-26. 数字对象标识：2016年10月10日/j.neucom.2014.11.023
[30]	M.S.Ali，S.Saravanan，基于忆阻器的具有时变延迟的d切换神经网络的有限时间稳定性，通过平均停留时间方法，神经计算, 275 (2018), 1637-1649. 数字对象标识：2016年10月10日/j.neucom.2017.10.003
[31]	A.Pratap，R.Raja，J.Cao，J.Alzabut，C.Huang，图论视角分数阶耦合不连续神经网络的有限时间同步准则，高级差异。埃克。, 97 (2020), 1-24.
[32]	A.Pratap，R.Raja，J.Cao，G.Rajchakit，F.E.Alsaadi，时变时滞分数阶记忆竞争神经网络有限时间分析中的进一步同步，神经计算, 317 (2018), 110-126. 数字对象标识：2016年10月10日/j.neucom.2018.08.016
[33]	A.Pratap，R.Raja，J.Alzabut，J.Dianavinarasi，J.Cao，G.Rajchakit，分数阶四元数值脉冲记忆神经网络的有限时间Mittag-Lefler稳定性，神经过程。莱特。, 512 (2020), 1485-1526.
[34]	J.Puangmalai，J.Tongkum，T.Rojsiraphisal，基于新积分不等式的不可微时变时滞线性系统的有限时间稳定性判据，数学。计算。模拟。, 171 (2020), 170-186. 数字对象标识：10.1016/j.matcom.2019.06.013
[35]	李建华，江海江，胡春华，余军，时滞复杂动力网络有限时间同步的分析与间断控制，混沌、孤子分形, 114 (2018), 291-305. 数字对象标识：10.1016/j.chaos.2018.07.019
[36]	X.Liu，X.Liu.，M.Tang，F.Wang，时变时滞神经网络的改进指数稳定性判据，神经计算, 234 (2017), 154-163. 数字对象标识：2016年10月10日/j.neucom.2016.12.057
[37]	M.Zheng，L.Li，H.Peng，J.Xiao，Y.Yang，H.Zhao，不使用Lyapunov方法的混合时变时滞中立型神经网络的有限时间稳定性分析，神经计算, 238 (2017), 67-75. 数字对象标识：2016年10月10日/j.neucom.2017.01.037
[38]	M.Zheng，L.Li，H.Peng，J.Xiao，Y.Yang，Y.Zhang，H.Zhao，基于记忆电阻的分数阶模糊细胞神经网络的有限时间稳定性和同步，Commun公司。非线性科学。数字。模拟。，59（2018），272-297。数字对象标识：2016年10月10日/j.cnsns.2017.11.025
[39]	B.Wu，C.Wang，广义多重积分不等式及其在时变时滞系统稳定性分析中的应用，J.弗兰克尔。仪器。, 356 (2019), 4026-4042. 数字对象标识：2016年10月10日/j.jfranklin.2019.02.003
[40]	S.Boyd、E.L.Ghaoui、E.Feron、V.Balakrishnan、，系统与控制中的线性矩阵不等式理论，SIAM，费城，1994年。
[41]	J.Sun，G.P.Liu，J.Chen，中立型时滞系统的时滞相关稳定性和镇定，国际J鲁棒非线性控制, 19 (2009), 1364-1375. 数字对象标识：10.1002/rnc.1384