李永坤;黄晓丽 时滞随机动力方程的Besicovitch概周期解。 (英语) Zbl 1500.34070号 资格。理论动力学。系统。 21,第3号,第74号论文,24页(2022年). 摘要:为了统一连续时间随机微分方程和离散时间随机微分方程式的Besicovitch概周期解的研究,我们首先提出了Besicovitch概周期平均随机过程和Besicowitch概定期随机过程的概念,并揭示了这两个随机过程之间的关系。然后,以一类时间尺度上具有时变时滞的随机Clifford值神经网络为例,利用Banach不动点定理,证明了这类网络分布中Besicovitch概周期解的存在性和稳定性,时间尺度微积分理论和不等式技术。 引用于三文件 MSC公司: 34K42号 时间尺度或测度链上的泛函微分方程 34号05 时间尺度或测量链上的动力学方程 34K50美元 随机泛函微分方程 34K14型 泛函微分方程的概周期解和伪最周期解 34K20码 泛函微分方程的稳定性理论 60 H10型 随机常微分方程(随机分析方面) 47N20号 算子理论在微分和积分方程中的应用 关键词:时间尺度上的Besicovitch概周期随机过程;Clifford值神经网络;分布中的Besicovitch概周期解;全局指数稳定性;时间刻度 PDF格式BibTeX公司 XML格式引用 \textit{Y.Li}和\textit{X.Huang},Qual。理论动力学。系统。21,第3号,第74号论文,24页(2022;Zbl 1500.34070) 全文: 内政部 参考文献: [1] 安德烈斯,J。;贝萨尼,AM;Grande,RF,几乎周期函数空间的层次结构,Rend。材料序列号。七、 26、121-188(2006)·Zbl 1133.42002号 [2] Besicovitch,AS,几乎周期函数(1954),纽约:多佛,纽约 [3] Cordunenu,C.,《几乎周期振荡和波》(2009),纽约:Springer,纽约·Zbl 1163.34002号 ·doi:10.1007/978-0-387-09819-7 [4] 李毅。;王,X。;Huo,N.,Weyl,时变时滞Clifford值随机神经网络分布意义下的几乎自守解,Proc。R.Soc.A,47820210719(2022)·doi:10.1098/rspa.2021.0719 [5] Li,Y.,Huang,M.,Li,B.:具有离散和分布时滞的分数阶四元数值神经网络的Besicovitch概周期解,数学。方法。申请。科学。(2021). doi:10.1002/mma.8070(印刷中) [6] Kostić,M.,抽象Volterra积分微分方程的Weyl-almost周期解和渐近Weyl-aml周期解,Banach J.Math。分析。,13, 1, 64-90 (2019) ·兹比尔1408.43005 ·doi:10.1215/17358787-2018-0016 [7] Hilger,S.,《度量链分析——连续和离散微积分的统一方法》,结果数学。,18, 1-2, 18-56 (1990) ·Zbl 0722.39001号 ·doi:10.1007/BF03323153 [8] Buchholz,S。;Sommer,G.,关于Clifford神经元和Clifford多层感知器,神经网络。,21, 7, 925-935 (2008) ·Zbl 1254.92002年 ·doi:10.1016/j.neunet.2008.03.004 [9] 希策,E。;尼塔,T。;Kuroe,Y.,Clifford几何代数的应用,高级应用。克利福德代数,23,2,377-404(2013)·Zbl 1269.15022号 ·doi:10.1007/s00006-013-0378-4 [10] 刘,Y。;徐,P。;卢,J。;Liang,J.,时滞Clifford值递归神经网络的全局稳定性,非线性动力学。,84, 2, 767-777 (2016) ·Zbl 1354.93132号 ·doi:10.1007/s11071-015-2526-y [11] Breuils,S。;Tachibana,K。;Hitzer,E.,Clifford几何代数的新应用,高级应用。克利福德代数,32,17(2022)·Zbl 1490.15036号 ·doi:10.1007/s00006-021-01196-7 [12] Xia,Z.,Liu,Y.,Kou,K.I.,Wang,J.:基于递归神经网络的Clifford值分布式优化,IEEE Trans。神经网络。学习。系统。(2022). doi:10.1109/TNNLS.2021.3139865。(印刷中) [13] 罗,D。;姜强。;Wang,Q.,具有多比例延迟的Clifford值高阶Hopfield神经网络的反周期解,神经计算,472,1-11(2022)·doi:10.1016/j.neucom.2021.11.001 [14] Li,Y.,Li,B.:混合时滞中立型Clifford值神经网络的伪紧几乎自同构,离散Contin。动态。系统-B.(2021年)。doi:10.3934/dcdsb.2021248。(印刷中)·兹比尔1503.34124 [15] 吕伟。;Li,B.,比例时滞Clifford值模糊神经网络伪概周期解的存在性和全局吸引性,数学,9,24,3306(2021)·doi:10.3390/路径9243306 [16] 黄,S。;乔,YY;Wen,GC,真实与复杂Clifford分析(2006),纽约:Springer,纽约·兹比尔1096.30042 [17] 博纳,M。;Peterson,A.,《时间尺度上的动力学方程》(2001年),Birkhäuser,波士顿:应用简介,Birkäusers,波士顿·Zbl 1021.34005号 ·doi:10.1007/978-1-4612-0201-1 [18] 博纳,M。;Georgiev,S.,《时间尺度上的多变量动态演算》(2016),瑞士:斯普林格·Zbl 1475.26001号 ·doi:10.1007/978-3-319-47620-9 [19] 李毅。;Shen,S.,时间尺度上的紧致几乎自守函数及其应用,Qual。理论动力学。系统。,20, 86 (2021) ·Zbl 1481.34108号 ·doi:10.1007/s12346-021-00522-5 [20] 博纳,M。;Guseinov,G.,时间尺度上的二重积分变分法,计算。数学。申请。,54, 1, 45-57 (2007) ·Zbl 1131.49019号 ·doi:10.1016/j.camwa.2006.10.032 [21] 博纳,M。;Sanyal,S.,孤立时间尺度上的随机动态指数和几何布朗运动,Commun。数学。分析。,8, 3, 120-135 (2010) ·Zbl 1202.60132号 [22] 博纳,M。;斯坦日茨基,OM;Bratochkina,AO,一般时间尺度上的随机动力学方程,电子。J.差异Equ。,2013, 57, 1-15 (2013) ·Zbl 1292.34087号 [23] Klenke,A.,《概率论:综合课程》(2013),柏林:施普林格出版社,柏林·兹比尔1141.60001 [24] 刘,Z。;Sun,K.,由Lévy噪声驱动的随机微分方程的几乎自守解,J.Funct。分析。,266, 3, 1115-1149 (2014) ·Zbl 1291.60121号 ·doi:10.1016/j.jfa.2013.11.011 [25] 李毅。;Wang,C.,时间尺度上动力方程的一致概周期函数和概周期解,文摘。申请。分析。,2011年,341520(2011年)·Zbl 1223.34125号 [26] 李毅。;Wang,X.,时变时滞Clifford值随机递归神经网络分布的概周期解,混沌孤子分形,153111536(2021)·Zbl 1498.34186号 ·文件编号:10.1016/j.chaos.2021.111536 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。