×
Nagamani，G。；沙菲亚，M。；Soundararajan，G。；马尼·普拉卡什

基于LMI方法的分数阶延迟BAM神经网络的鲁棒状态估计。 （英语） Zbl 1437.93050号

J.富兰克林研究所。 357，第8号，4964-4982（2020）.
摘要：本文研究一类具有范数不确定性的延迟分数阶双向联想记忆（FOBAM）神经网络的鲁棒状态估计问题。研究的目的是构造一个有效的估计量，使相应误差状态的行为在Mittag-Lefler意义下是稳定的。与以往的研究不同，本文采用分数阶李亚普诺夫直接法研究了FOBAM神经网络的状态估计问题。将误差系统全局Mittag-Lefler稳定性的充分条件归结为一组无不确定性的可解线性矩阵不等式。通过考虑不确定性的影响，将所提出的稳定性条件进一步扩展到FOBAM NN。为了验证所提理论结果的有效性，给出了两个数值例子。

引用于16文件

MSC公司：

93立方厘米 由常微分方程控制的控制/观测系统
26A33飞机 分数导数和积分
93B35型 灵敏度（稳健性）
93B70型 网络控制
93立方厘米 延迟控制/观测系统

关键词：

延迟分数阶双向联想记忆神经网络；鲁棒状态估计

软件：

LMI工具箱
PDF格式BibTeX公司 XML格式引用
\textit{G.Nagamani}等人，J.Franklin Inst.357，No.8，4964-4982（2020；Zbl 1437.93050）
全文： 内政部

参考文献：

[1] Wu，A。；曾，Z。；Song，X.，分数阶双向联想记忆神经网络的全局Mittag-Lefler稳定性，神经计算，177489-496（2016）
[2] Wu，A。；Zeng，Z.，分数阶记忆神经网络的全局Mittag-Lefler镇定，IEEE Trans。神经网络。学习。系统。，28, 1, 206-217 (2017)
[3] 伦斯特罗姆，B.N。；希格斯，M.H。；西班牙，W.J。；Fairhall，A.L.，新皮质锥体神经元的部分分化，自然神经科学。，11, 11, 1335 (2008)
[4] 黄，C。；Cao，J.，泄漏延迟对高阶分数BAM神经网络分岔的影响，神经网络。，98, 223-235 (2018) ·Zbl 1439.93004号
[5] 黄，C。；X.赵。；王，X。；王，Z。；肖，M。；Cao，J.，分数阶神经网络中的差异延迟诱导分岔，J.Frankl。Inst.，356，5825-2846（2019）·兹比尔1411.93090
[6] 刘，D。；熊，X。；达斯·古普塔，B。；Zhang，H.，Motif使用自组织神经网络在未对齐分子序列中的发现，IEEE Trans。神经网络。，17, 4, 919-928 (2006)
[7] Yang，D。；胡，C。；王，Z。；Liang，X.，时滞神经网络的新全局稳定性标准，第七届世界智能控制与自动化大会论文集，5317-5320（2008）
[8] 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。，32, 245-256 (2012) ·Zbl 1254.34103号
[9] Anastasiou，G.A.，分数神经网络近似，计算。数学。申请。，64, 6, 1655-1676 (2012) ·Zbl 1268.41007号
[10] 哈代，G.H。；Littlewood，J.E。；Plya，G。；Littlewood，D.E。；Plya，G.，不等式（1952）·Zbl 0047.05302号
[11] 刘，H。；Wang，Z.，具有缺失测量的延迟随机记忆神经网络的事件触发H_∞状态估计：离散时间情况，IEEE Trans。神经网络。学习。系统。，28, 12, 3815-3825 (2017)
[12] Wu，H。；张，X。；薛，S。；Wang，L。；Wang，Y.，分数阶脉冲神经网络全局Mittag-Lefler稳定性的LMI条件，神经计算，193148-154（2016）
[13] Podlubny，I.，分数微分方程（1999），美国：学术：美国：加州圣地亚哥学术·Zbl 0918.34010号
[14] 曹，J。；Wang，L.，时滞BAM网络的指数稳定性和周期振荡解，IEEE Trans。神经网络。，13, 2, 457-463 (2002)
[15] Park，J.H。；Kwon，O.M.，关于时变时滞双向联想记忆神经网络全局稳定性的改进时滞相关准则，应用。数学。计算。，199, 2, 435-446 (2008) ·Zbl 1149.34049号
[16] 肖，J。；钟，S。；李毅。；Xu，F.，具有时滞的分数阶记忆BAM神经网络的有限时间Mittag-Lefler同步，神经计算，219431-439（2017）
[17] Chen，L。；Chai，Y。；Wu，R。；马，T。；翟，H.，一类分数阶时滞神经网络的动态分析，神经计算，111190-194（2013）
[18] Guo，L。；Wang，H.，使用b样条展开和非线性滤波器的一般随机系统的故障检测和诊断，IEEE Trans。电路系统。一： 注册律师。，52, 8, 1644-1652 (2005) ·Zbl 1374.94963号
[19] Guo，L。；Wang，H.，非高斯噪声多元随机系统的最小熵滤波，IEEE Trans。自动。控制，51，4，695-700（2006）·兹比尔1366.93655
[20] Rutkowski，L.，时变环境中用于模式分类的自适应概率神经网络，IEEE Trans。神经网络。，1811-827年4月15日（2004年）
[21] 谢，L。；Fu，M。；de Souza，C.E.，通过输出反馈实现参数不确定性系统的H_∞控制和二次镇定，IEEE Trans。自动。控制，37，8，1253-1256（1992）·Zbl 0764.93067号
[22] Civalleri，P.P。；Gilli，M。；Pandolfi，L.，关于时滞细胞神经网络的稳定性，IEEE Trans。电路系统。一： 芬丹。理论应用。，40, 3, 157-165 (1993) ·Zbl 0792.68115号
[23] 潘，Q。；Chen，B.，具有时滞的分数阶BAM神经网络的全局一致渐近稳定性和同步，第四届信息、控制论和计算社会系统国际会议论文集，464-469（2017），IEEE
[24] 李，R。；高，X。；Cao，J.，延迟分数阶记忆神经网络的非脆弱状态估计，应用。数学。计算。，340, 221-233 (2019) ·Zbl 1428.34115号
[25] Magin，R.L.，《生物工程中的分数微积分》，第2部分，《生物医学评论》。工程，32，2，105-193（2004）
[26] Magin，R.L.，生物组织复杂动力学的分数阶微积分模型，计算机。数学。申请。，59, 5, 1586-1593 (2010) ·Zbl 1189.92007年9月
[27] Arik，S.，具有时滞的双向联想记忆神经网络的全局渐近稳定性分析，IEEE Trans。神经网络。，16, 3, 580-586 (2005)
[28] Liang，S。；Wu，R。；Chen，L.，分数阶不确定时滞复杂动态网络中的自适应钉扎同步，Phys。A： 统计机械。申请。，444, 49-62 (2016) ·Zbl 1400.93142号
[29] Singh，V.，《时滞细胞神经网络的鲁棒稳定性：线性矩阵不等式方法》，IEE Proc。控制理论应用。，151, 1, 125-129 (2004)
[30] 邓，W。；李，C。；吕，J.，多时滞线性分数阶微分系统的稳定性分析，非线性动力学。，48, 4, 409-416 (2007) ·Zbl 1185.34115号
[31] 卢，X。；崔，B.，延迟双向联想记忆神经网络的绝对指数稳定性分析，混沌，孤子分形，31，3，695-701（2007）·Zbl 1147.34358号
[32] 卢，X。；崔，B.，具有分布时滞和反应扩散项的BAM神经网络全局指数稳定性的新判据，国际神经系统杂志。，17, 01, 43-52 (2007)
[33] 曹毅。；Bai，C.，分数阶时滞BAM神经网络的存在性和稳定性分析，应用。数学。，6, 12, 2057-2068 (2015)
[34] 何毅。；王庆国。；吴，M。；Lin，C.，时滞神经网络的时滞相关状态估计，IEEE Trans。神经网络。，17, 4, 1077-1080 (2006)
[35] 李毅。；陈，Y。；Podlubny，I.，分数阶非线性动力系统的稳定性：Lyapunov直接方法和广义Mittag-Lefler稳定性，计算。数学。申请。，59, 5, 1810-1821 (2010) ·兹比尔1189.34015
[36] 夏，Y。；Wang，J.，求解单调变分不等式和相关优化问题的通用投影神经网络，IEEE Trans。神经网络。，15318-328（2004年）
[37] 王，Z。；Ho，D.W。；Liu，X.，时滞神经网络的状态估计，IEEE Trans。神经网络。，16, 1, 279-284 (2005)
[38] 张，Z。；Yu，S.，一类具有时滞的复值Cohen-Grossberg神经网络的全局渐近稳定性，神经计算，1711158-1166（2016）
[39] 张，Z。；刘伟。；周，D.，中立型时滞广义Cohen-Grossberg BAM神经网络的全局渐近稳定性，神经网络。，25, 94-105 (2012) ·Zbl 1266.34124号
[40] 张，Z。；Quan，Z.，基于不等式技术的时滞惯性BAM神经网络的全局指数稳定性，神经计算，1511316-1326（2015）
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。