×
王芬；陈元龙；刘美春

\基于随机记忆电阻的双向联想记忆（BAM）时滞神经网络的（p）阶矩指数稳定性。 （英语） Zbl 1442.34132号

神经网络。 98, 192-202 (2018).
摘要：基于随机忆阻的时滞双向联想记忆（BAM）神经网络在神经网络系统的设计和实现中发挥着越来越重要的作用。在Filippov解的框架下，研究了基于随机忆阻的BAM神经网络的第阶矩指数稳定性问题。利用随机稳定性理论、Itós微分公式和Young不等式，导出了判别准则。同时，利用Lyapunov方法和Cauchy-Schwarz不等式，我们得到了上述系统均方指数稳定的一些充分条件。所得结果改进和扩展了以往基于忆阻或常用神经网络动态系统的研究。文中给出了四个数值例子来说明所提结果的有效性。

引用于7文件

MSC公司：

34K60美元 泛函微分方程模型的定性研究与仿真
34K50美元 随机泛函微分方程
94C60个 模型定性研究和仿真中的电路
92B20型 生物研究、人工生命和相关主题中的神经网络
34K20码 泛函微分方程的稳定性理论
34K39号 间断泛函微分方程

关键词：

记忆电阻器；随机的，随机的；BAM神经网络；\（p）阶矩指数稳定性
PDF格式BibTeX公司 XML格式引用
\textit{F.Wang}等人，神经网络。98、192--202（2018；Zbl 1442.34132）
全文： 内政部

参考文献：

[1] Aubin，J.P。；Cellina，A.，《差异包裹体》（1984），《Springer-Verlag:Springer-Verlag Berlin》·Zbl 0538.34007号
[2] 蔡振伟。；Huang，L.H。；朱先生。；Wang，D.S.，基于忆阻器的神经网络的有限时间稳定控制，非线性分析。混合动力系统，20，37-54（2016）·Zbl 1336.93135号
[3] 曹建德。；Liang，J.L。；Lam，J.，具有时滞的高阶双向联想记忆神经网络的指数稳定性，Physica D，199，425-436（2004）·Zbl 1071.93048号
[4] 曹，J。；Wang，L.，时滞BAM网络的指数稳定性和周期振荡解，IEEE神经网络汇刊，13，2，457-463（2002）
[5] Chandrasekar，A。；Rakkiyappan，R.，基于延迟随机忆阻的递归神经网络指数同步的脉冲控制器设计，神经计算，1731348-1355（2016）
[6] 陈，J。；Cui，B.，时滞BAM神经网络全局渐近稳定性的脉冲效应，混沌、孤子和分形，38，4，1115-1125（2008）·Zbl 1152.34386号
[7] Chen，L.P。；吴，R.C。；曹建德。；Liu，J.B.，基于记忆电阻的分数阶延迟神经网络的稳定性和同步，神经网络，71，37-44（2015）·Zbl 1398.34096号
[8] Chua，L.，忆阻器——缺失的电路元件，IEEE电路理论学报，18，5，507-519（1971）
[9] 邓，F。；罗，Q。；Mao，X.，混合微分方程的随机稳定化，Automatica，482321-2328（2012）·Zbl 1257.93103号
[10] 杜永华。；钟S.M。；周，N。；Shi，K.B。；Cheng，J.，具有离散和分布式时变时滞的随机Cohen-Grossberg BAM神经网络的指数稳定性，神经计算，127，144-151（2014）
[11] 郭，Z。；Wang，J。；Yan，Z.，基于记忆电阻的时变时滞细胞神经网络的吸引力分析，IEEE神经网络和学习系统汇刊，25，704-717（2013）
[12] 黄，H。；Feng，G.，具有时变时滞的不确定随机神经网络的时滞依赖稳定性，Physica A，38193-103（2007）
[13] 黄，C.X。；何玉刚。；Huang，L.H。；朱伟杰，时变时滞随机递归神经网络的pth矩稳定性分析，信息科学，1782194-2203（2008）·兹比尔1144.93030
[14] 江，P。；曾振国。；Chen，J.J.，具有泄漏、时变和分布式延迟的基于忆阻器的神经正则20网络的概周期解，神经网络，68，34-45（2015）·Zbl 1397.34144号
[15] Kosto，B.，自适应双向联想存储器，应用光学，264947-4960（1987）
[16] Kosto，B.，《神经网络和模糊系统——一种动态系统方法——机器智能》（1992年），普伦蒂斯·霍尔：普伦蒂斯霍尔·恩格尔伍德·克利夫斯，新泽西州·Zbl 0755.94024号
[17] Kosto，B.，双向联想存储器，IEEE系统汇刊，人与控制论，18，1，49-60（1998）
[18] 李，N。；Cao，J.D.，基于忆阻网络的新同步标准：自适应控制和反馈控制方案，神经网络，61，1-9（2015）·Zbl 1323.93041号
[19] 李，J。；胡M.F。；Guo，L.X.，基于随机记忆电阻的时变时滞递归神经网络的指数稳定性，神经计算，138，92-98（2014）
[20] Li，H.F。；蒋海杰。；Hu，C.，基于忆阻器的时变时滞BAM神经网络周期解的存在性和全局指数稳定性，神经网络，7597-109（2016）·Zbl 1417.34164号
[21] 廖，X。；Wong，K。；Yang，S.，具有分布延迟的混合双向联想记忆神经网络的收敛动力学，《物理快报》A，316，55-64（2003）·兹比尔1038.92001
[22] 刘，X。；马丁·R·P。；吴，M。；Tang，M.，具有时滞的双向联想记忆神经网络的全局指数稳定性，IEEE神经网络汇刊，19，3，397-407（2008）
[23] Liu，L.N。；Zhu，Q.X.，随机延迟Hopfield神经网络数值解的几乎确定指数稳定性，应用数学与计算，266698-712（2015）·Zbl 1410.65010号
[24] 马蒂亚拉甘，K。；R.安布维提亚。；Sakthivel，R。；Park，Ju H。；Prakash，P.，使用无源性理论实现基于记忆电阻的神经网络的非脆弱同步，神经计算，74，85-100（2016）·Zbl 1398.34109号
[25] Maundy，B。；El-Masry，E.I.，开关电容双向联想存储器，IEEE电路与系统汇刊I，37，12，1568-1572（1990）
[26] 孟，Z.D。；Xiang，Z.R.，基于记忆电阻的混合时变时滞递归神经网络的无源性分析，神经计算，165，270-279（2015）
[27] Pershin，Y.V。；Ventra，M.D.，联想记忆与记忆神经网络的实验演示，神经网络，23，7，881-886（2010）
[28] Rao，R.F。；钟S.M。；Wang，X.R.，具有模式相关时变时滞和非线性反应扩散的马尔可夫跳跃脉冲BAM神经网络的LMI条件下的随机稳定性准则，非线性科学与数值模拟中的通信，19，258-273（2014）·Zbl 1344.93104号
[29] 斯特鲁科夫，D.B。；斯奈德，G.S。；Stewart，G.R。；Williams，R.S.，《发现丢失的忆阻器》，《自然》，453，7191，80-83（2008）
[30] Sun，J.W。；沈毅。；尹，Q。；Xu，C.J.，四个忆阻混沌振荡器系统的复合同步与安全通信，混沌，23，013140（2013）·Zbl 1319.34093号
[31] Tour，J.M。；He，T.，《第四元素》，《自然》，453，7191，42-43（2008）
[32] Wang，F。；Liu，M.C.，具有泄漏项时滞的高阶双向联想记忆（BAM）神经网络的全局指数稳定性，神经计算，177，515-528（2016）
[33] Wang，F。；Sun，D。；Wu，H.Y.，具有时滞和脉冲的高阶双向联想记忆（BAM）神经网络的全局指数稳定性和周期解，神经计算，155，261-276（2015）
[34] Wu，A。；Zeng，Z.，具有时滞的记忆神经网络的指数镇定，IEEE神经网络和学习系统汇刊，231919-1929（2012）
[35] Yang，X.S。；曹建德。；邱，J.L.，通过延迟脉冲控制实现基于耦合忆阻的混合延迟神经网络的pth矩指数随机同步，神经网络，65，80-91（2015）·Zbl 1398.34121号
[36] 张，G.D。；Shen，Y.，时变时滞混沌记忆神经网络同步稳定性的新代数准则，IEEE神经网络和学习系统汇刊，241701-1707（2013）
[37] 张，G.D。；沈毅。；尹，Q。；Sun，J.W.，一类基于记忆电阻的多延迟递归神经网络的全局指数周期性和稳定性，信息科学，232386-396（2013）·Zbl 1293.34094号
[38] Zheng，G.D.博士。；沈毅。；尹，Q。；Sun，J.W.，基于记忆电阻的离散和分布式延迟递归神经网络的无源性分析，神经网络，61，49-58（2015）·Zbl 1323.93018号
[39] 周博士。；Cao，J.D.，时变时滞细胞神经网络的全局指数稳定性条件，应用数学与计算，131487-496（2002）·Zbl 1034.34093号
[40] 朱，Q。；Cao，J.，随机延迟Cohen-Grossberg神经网络与Markovian切换的pth矩指数同步，非线性动力学，67829-845（2012）·Zbl 1242.93126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。