高级搜索

数学生物科学与工程

2022,第19卷, 第9版: 9220-9243. 数字对象标识：10.3934/mbe.2022428
上一篇文章 下一篇文章
研究文章 特殊问题

通过建立一种新的Caputo导数不等式方法，对具有不确定性的分数四元数延迟神经网络进行Fin-TS和Fix-TS

  • 安庆师范大学数学与物理学院，安庆246133，中国

  • 学术编辑：李晓迪
  • 收到：2022年5月19日 修订过的：2022年6月13日 认可的：2022年6月21日 出版：2022年6月23日

  • 研究了具有不确定性的Caputo四元数延迟神经网络的有限时间同步（Fin-TS）和固定时间同步（Fix-TS）问题。构造了一个新的Caputo分数阶微分不等式，然后估计了正定函数的Fix-TS稳定时间，这对于导出Caputo QDNN的Fix-TS-条件非常方便。通过设计适当的自反馈和自适应控制器，基于四元数直接法、Lyapunov稳定性理论、扩展Cauchy-Schwartz不等式、Jensen不等式，提出了在Caputo QDNN上实现Fin-TS和Fix-TS的代数判别条件。最后，通过两个算例验证了不同阶数下所得结果的正确性和有效性。

    引用：吴琼、姚志敏、尹周萍、张海。通过建立一种新的Caputo导数不等式方法，Fin-TS和Fix-TS对具有不确定性的分数四元数时滞神经网络[J]。数学生物科学与工程，2022，19（9）：9220-9243。doi:10.3934/mbe.2022428

    相关论文：

  • 研究了具有不确定性的Caputo四元数延迟神经网络的有限时间同步（Fin-TS）和固定时间同步（Fix-TS）问题。构造了一个新的Caputo分数阶微分不等式，然后估计了正定函数的Fix-TS稳定时间，这对于导出Caputo QDNN的Fix-TS-条件非常方便。通过设计适当的自反馈和自适应控制器，基于四元数直接法、Lyapunov稳定性理论、扩展Cauchy-Schwartz不等式、Jensen不等式，提出了在Caputo QDNN上实现Fin-TS和Fix-TS的代数判别条件。最后，通过两个算例验证了不同阶数下所得结果的正确性和有效性。


    加载中


    [1] K.S.Chiu，T.X.Li，涉及广义分段常数时滞的双向联想记忆神经网络模型的新稳定性结果，数学。计算。模拟。,194(2022), 719–743. https://doi.org/10.1016/j.matcom.2021.12.016数字对象标识：2016年10月10日/j.matcom.2021.12.016
    [2] A.M.Alimi，C.Aouti，E.A.Assali，一类具有多比例延迟的惯性神经网络的有限时间和固定时间同步及其在安全通信中的应用，神经计算,332(2019), 29–43. https://doi.org/10.1016/j.neucom.2018.11.020数字对象标识：2016年10月10日/j.neucom.2018.11.020
    [3] Z.Yang，D.Wang，X.Sun，J.Wu，结合神经网络和分数阶滑模的无轴承异步电机无速度传感器控制，机电一体化,82(2022), 102721. https://doi.org/10.1016/j.mechatronics.2021.102721数字对象标识：10.1016/j.机电.2021.102721
    [4] H.Zhang，R.Ye，S.Liu，J.Cao，A.Alsaedi，X.Li，基于LMI的离散和分布时滞分数阶神经网络稳定性分析方法，国际期刊系统。科学。,49(2018), 537–545. https://doi.org/10.1080/00207721.2017.1412534数字对象标识：10.1080/00207721.2017.1412534
    [5] F.Zhang，T.Huang，Q.Wu，Z.Zeng，时滞分数阶竞争神经网络的多重稳定性，神经网络,140(2021), 325–335. https://doi.org/10.1016/j.neunet.2021.03.036数字对象标识：2016年10月10日/j.neunet.2021.03.036
    [6] X.D.Li，D.W.C.Ho，J.Cao，非线性脉冲系统的有限时间稳定性和设定时间估计，Automatica公司,99(2019), 361–368. https://doi.org/10.1016/j.automatica.2018.0.024数字对象标识：10.1016/j.自动2018.10.024
    [7] 李晓东，宋世杰，吴建华，时滞脉冲非线性系统的指数稳定性及其应用，IEEE传输。自动化。控制,64(2019), 4024–4034. https://doi.org/10.109/TAC.2019.2905271数字对象标识：10.1109/TAC.2019.2905271
    [8] X.D.Li，D.X.Peng，J.Cao，基于事件触发脉冲控制的脉冲系统的Lyapunov稳定性，IEEE传输。自动化。控制,65(2020), 4908–4913. https://doi.org/10.1109/TAC.2020.2964558数字对象标识：10.1109/TAC.2020.2964558
    [9] L.M.Wang，Z.G.Zeng，M.F.Ge，延迟忆阻神经网络有限时间和固定时间稳定的扰动抑制框架，IEEE传输。系统。人类网络。系统。,51(2019), 905–915. https://doi.org/10.109/TSMC.2018.2888867数字对象标识：10.1109/TSMC2018.2888867
    [10] C.Hu，H.J.Jiang，基于特殊函数的动态系统定时估计与镇定，IEEE传输。系统。人类网络。系统。,52(2022), 3251–3262. https://doi.org/10.109/TSMC.2021.3062206数字对象标识：10.1109/TSMC2021.3062206
    [11] W.Yang，Y.W.Wang，I.C.Morarescu，X.K.Liu，Y.H.Huang，多时间尺度竞争神经网络的固定时间同步，IEEE传输。神经网络学习。系统。,2021(2021).https://doi.org/10.109/TNNLS.2021.3052868
    [12] Y.Zhao，S.Ren，J.Kurths，一类基于记忆电阻的不同时间尺度竞争神经网络的有限时间和固定时间同步，混沌孤子分形,148(2021), 111033. https://doi.org/10.1016/j.chaos.2021.111033数字对象标识：2016年10月10日/j.chaos.2021.111033
    [13] 徐志杰，刘志霞，刘朝天，李鹏，姚立勇，严建林，分数阶四元数神经网络泄漏时滞分岔的新探索，认知。Neurodyn公司。,2022(2022).https://doi.org/10.1007/s11571-021-09763-1
    [14] T.Li，G.Wang，D.Yu，Q.Ding，Y.Jia，弱耦合修正Morris-Lecar神经系统中混沌诱导的同步模式转换，非线性动力学。,108(2022), 2611–2625. https://doi.org/10.1007/s11071-022-07318-5数字对象标识：2007年10月10日/11071-022-07318-5
    [15] S.Lin，X.Liu，具有多重权重和混合耦合的直接耦合反应扩散神经网络的同步与控制，神经计算,487(2022), 144–156. https://doi.org/10.1016/j.neucom.2022.02.061数字对象标识：2016年10月10日/j.neucom.2022.02.061
    [16] E.Viera-Martin、J.F.Gomez-Aguilar、J.E.Solis-Perez、J.A.Hernandez-Perez和R.F.Escobar-Jimenez，《人工神经网络：涉及分数微积分的应用的实践综述》，欧洲物理学。J.规格顶部。,2022(2022).https://doi.org/10.1140/epjs/s11734-022-00455-3
    [17] X.He，Z.Hu，基于遗传算法的分数阶切比雪夫低通滤波器优化设计，国际期刊期刊。西奥。应用程序。,50(2022), 1420–1441. https://doi.org/10.1002/cta.3224数字对象标识：10.1002/cta.3224
    [18] X.Zhang，R.Li，J.Y.Hong，X.Zhou，N.Xin，Q.Li，使用分数微积分的图像增强单像素成像，选择。快递,30(2022), 81–91. https://doi.org/10.1364/OE.444739数字对象标识：10.1364/年.444739
    [19] 徐春江，刘志霞，曹友蒂，等，分数阶四元数神经网络泄漏时滞分岔的新探索，认知。Neurodyn公司。,2022(2022).https://doi.org/10.1007/s11571-021-09763-1
    [20] S.B.Rao，T.W.Zhang，L.J.Xu，带时滞的模糊Mittag$-$Leffler离散时间Cohen$-$Grossberg神经网络的指数稳定性与同步，国际期刊系统。科学。,2022(2022), 1–23. https://doi.org/10.1080/00207721.2022.2051093数字对象标识：10.1080/00207721.2022.2051093
    [21] N.Hoo，B.Li，Y.K.Li，具有时变时滞的Clifford值随机高阶Hopfield神经网络的全局指数稳定性和分布中概周期解的存在性，AIMS数学。,7(2022), 3653–3679. https://doi.org/10.3934/每小时2022202 doi：10.3934/小时202202
    [22] H.L.Li，C.Hu，L.Zhang，H.J.Jiang，J.Cao，基于非分离方法的不确定分数阶四元数神经网络的鲁棒有限时间同步，申请。数学。计算。,409(2021), 126377. https://doi.org/10.1016/j.amc.2021.126377数字对象标识：2016年10月10日/j.amc.2021.126377
    [23] W.Zhang、H.Zhang，J.Cao，F.E.Alsaadi，D.Chen，多时滞不确定分数阶记忆复值神经网络的同步，神经网络,110(2019), 186–198. https://doi.org/10.1016/j.neunet.2018.12.004数字对象标识：2016年10月10日/j.neunet.2018.12.004
    [24] J.Pan，Z.Y.Pan，混合时滞不确定参数四元数神经网络的新鲁棒稳定性准则：整体四元数方法，申请。数学。计算。,407(2021), 126326. https://doi.org/10.1016/j.amc.2021.126326数字对象标识：2016年10月10日/j.amc.2021.126326
    [25] W.Wei，J.Yu，L.Wang，C.Hu，H.Jiang，通过纯幂律控制实现四元数神经网络的固定/预分配时间同步，神经网络,146(2022), 341–349. https://doi.org/10.1016/j.neunet.2021.11.023数字对象标识：2016年10月10日/j.neunet.2021.11.023
    [26] A.Kashkynbayev，A.Issakhanov，M.Otkel，J.Kurths，时变时滞分流抑制记忆神经网络的有限时间和固定时间同步分析，混沌孤子分形,156(2022), 111866. https://doi.org/10.1016/j.chaos.2022.111866数字对象标识：2016年10月10日/j.chaos.2022.111866
    [27] 唐瑞秋，苏海生，邹永生，杨晓生，基于间歇量化控制的时滞马尔可夫耦合神经网络的有限时间同步：线性规划方法，IEEE传输。神经网络学习。系统。,2021(2021).https://doi.org/10.109/TNNLS.2021.3069926
    [28] S.Yang，J.Yu，C.Hu，H.J.Jiang，分数阶记忆神经网络的有限时间同步，IEEE传输。系统。人类网络。系统。,51(2021), 3739–3750. https://doi.org/10.109/TSMC.2019.2931046数字对象标识：2010年10月10日/标准时间2019.2931046
    [29] 侯天庆，余坚，胡春江，江海江，分数阶复变动态网络的有限时间同步，IEEE传输。系统。人类网络。系统。,51(2021), 4297–4307. https://doi.org/10.109/TSMC.2019.2931339数字对象标识：10.1109/TSMC2019.2931339
    [30] X.S.Yang，J.Lam，D.W.C.Ho，Z.G.Feng，通过非抖振控制实现具有脉冲效应的复杂网络的固定时间同步，IEEE传输。自动化。合同。,62(2017), 5511–5521. https://doi.org/10.1109/TAC.2017.2691303数字对象标识：10.1109年/月.2017.2691303年
    [31] 陈毅，张旭，薛毅，具有无界分布时滞和时变离散时滞的高阶四元数Hopfield神经网络的全局指数同步，数学。计算。模拟。,193(2022), 173–189. https://doi.org/10.1016/j.matcom.2021.10.012数字对象标识：2016年10月10日/j.matcom 2021.10.012
    [32] S.Rao，T.Zhang，L.Xu，具有时滞的模糊Mittag-Lefler离散时间Cohen-Grossberg神经网络的指数稳定性和同步，国际期刊系统。科学。,2022(2022).https://doi.org/10.1080/00207721.2022.2051093
    [33] D.Lin，X.Chen，G.Yu，Z.Li，Y.Xia，基于延迟惯性忆阻的脉冲四元数神经网络的非线性反馈控制全局指数同步，申请。数学。计算。,401(2021), 126093. https://doi.org/10.1016/j.amc.2021.126093数字对象标识：2016年10月10日/j.amc.2021.126093
    [34] 王毅，田毅，李晓红，基于时滞脉冲控制的混合时滞区间神经网络全局指数同步，神经计算,420(2021), 290–298. https://doi.org/10.1016/j.neucom.2020.09.010数字对象标识：2016年10月10日/j.neucom.2020.09.010
    [35] A.Kumar，S.Das，V.K.Yadav，存在不确定性以及时变有界和无界延迟项的复值递归神经网络的全局指数同步，国际期刊动态。控制,2021(2021), 1–15. https://doi.org/10.1007/s40435-021-00838-9数字对象标识：10.1007/s40435-021-00838-9
    [36] H.Zhang，Y.Cheng，H.M.Zhanng，W.Zhang和J.Cao，具有多个混合时滞和脉冲效应的FOQVNN上Mittag-Lefler投影同步的混合控制设计，数学。计算。模拟。,197(2022), 341–354. https://doi.org/10.1016/j.matcom.2022.02.022数字对象标识：2016年10月10日/j.matcom.2022.022
    [37] Z.Li，Y.Zhang，分数阶惯性时滞Cohen-Grossberg神经网络的有界性和全局Mittag-Lefler同步，神经过程。莱特。,54(2022), 597–611. https://doi.org/10.1007/s11063-021-10648-x数字对象标识：10.1007/s11063-021-10648-x
    [38] S.Aadhithiyan，R.Raja，J.Alzabut，Q.Zhu，M.Niezabitowski，具有恒定和无限分布时滞的分数阶非线性复杂动力网络的鲁棒非脆弱Mittag$-$Leffler同步，数学。方法应用。科学。,45(2022), 2166–2189. https://doi.org/10.1002/mma.7915数字对象标识：10.1002/mma.7915
    [39] Y.Zhang，Q.Li，通过自适应容错控制实现不确定性神经网络的有限时间投影同步2021 IEEE第七届控制科学与系统工程国际会议（ICCSSE）, (2021), 29–33.https://doi.org/10.109/ICCSSE52761.2021.9545093
    [40] W.Chen，Y.Yu，X.Hai，G.Ren，反应扩散异质分数阶耦合神经网络的自适应准同步控制，申请。数学。计算。,427(2022), 127145. https://doi.org/10.1016/j.ac.2022.127145（网址：https://doi.org/10.1016/j.ac.2022.127145）数字对象标识：2016年10月10日/j.amc.2022.127145
    [41] F.Ma，X.Gao，延迟分数耦合记忆神经网络的同步和准同步，神经过程。莱特。,2022(2022).https://doi.org/10.1007/s11063-021-10698-1
    [42] 王立明，何海斌，曾志刚，离散时滞和分布时滞模糊记忆神经网络的全局同步，IEEE传输。模糊系统。,28(2020), 2022–2034. https://doi.org/10.109/TFUZZ.2019.2930032数字对象标识：10.1109/TFUZZ.2019.2930032号
    [43] C.Hu、H.B.He和H.J.Jiang，间歇耦合时空网络同步的基于边缘的自适应分布式方法，IEEE传输。自动化。控制,67(2022), 2597–2604. https://doi.org/10.1109/TAC.2021.3088805数字对象标识：10.1109/TAC.2021.3088805
    [44] J.Xiao，J.Cheng，K.Shi，R.Zhang，基于忆阻器的分数阶多维值模糊神经网络定时同步问题的一般方法，IEEE传输。模糊系统。,30(2022), 968–977. https://doi.org/10.1109/TFUZZ.2021.3051308网址：10.1109/TFUZZ.2021.3051308号
    [45] M.Dutta，B.K.Roy，一种新的基于记忆的分数阶混沌系统及其定时同步，混沌孤子分形,145(2021), 110782. https://doi.org/10.1016/j.chaos.2021.110782数字对象标识：2016年10月10日/j.chaos.2021.110782
    [46] W.Zhang、H.Zhang，J.Cao、H.M.Zhang.、F.E.Alsaadi、A.Alsaedi，分数阶四元数值神经网络中的全局投影同步。亚洲J.控制,24(2022), 227–236.https://doi.org/10.1002/asjc.2485
    [47] H.Zhang，J.S.Cheng，H.M.Zhanng，W.W.Zhang和J.Cao，带泄漏和离散时滞的Caputo型分数阶神经网络的准均匀同步，混沌孤子分形,152(2021), 111432. https://doi.org/10.1016/j.chaos.2021.111432数字对象标识：2016年10月10日/j.chaos.2021.111432
    [48] M.S.Ali、M.Hymavathi、S.Senan、V.Shekher、S.Arik，基于时变时滞的脉冲分数阶复值忆阻神经网络的全局渐近同步。Commun公司。非线性科学。数字。模拟。,78(2019), 104869.https://doi.org/10.1016/j.cnsns.2019.104869
    [49] H.Li，J.Cao，H.Jiang，A.Alsaedi，基于图论的分数阶复杂动力网络有限时间同步，J.富兰克林研究所。,355(2018), 5771–5789. https://doi.org/10.1016/j.jfranklin.2018.05.039数字对象标识：2016年10月10日/j.jfranklin.2018.05.039
    [50] H.Zhang、M.Ye、R.Ye和J.Cao，Riemann-Liouville分数延迟耦合复杂神经网络的同步稳定性，物理学。A类,508(2018), 155–165. https://doi.org/10.1016/j.physa2018.05.060数字对象标识：2016年10月10日/j.physa.2018.05.060
    [51] A.A.Kilbas、H.M.Srivastava、J.J.Trujillo、，分数阶微分方程的理论与应用，爱思唯尔，阿姆斯特丹，2006年。
    [52] W.Chen，H.G.Yu，X.D.Hai，G.J.Ren，反应扩散异质分数阶耦合神经网络的自适应准同步控制，申请。数学。计算。,427(2022), 127145. https://doi.org/10.1016/j.ac.2022.127145（网址：https://doi.org/10.1016/j.ac.2022.127145）数字对象标识：2016年10月10日/j.amc.2022.127145
  • 读者评论
  • ©2022作者，授权人AIMS Press。这是一篇开放存取的文章根据知识共享署名许可证的条款(http://creativecommons.org/licenses/by/4.0)
通讯作者:陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. 中国知网
数学生物科学与工程
3.9

韵律学

文章观点(1425) PDF下载(113) 引用人(1)

预览PDF
下载XML
出口引文
文章大纲

图和表

数字(13)

作者撰写的其他文章

相关页面

工具

/

返回
返回

目录