张海;程景顺;张红梅;张伟伟;曹金德 具有泄漏和离散时滞的Caputo型分数阶神经网络的准均匀同步。 (英语) Zbl 1510.34167号 混沌孤子分形 152,文章ID 111432,7 p.(2021). 摘要:本文讨论了具有泄漏和离散时滞的分数阶神经网络的准均匀同步问题。同时考虑了泄漏延迟、离散延迟和分数阶导数对准均匀同步的影响。利用拉普拉斯变换、Gronwall不等式和分析技术,建立了具有泄漏和离散延迟的光纤网络准一致同步的几个充分准则。由于分数阶导数的阶数在区间(0,2)内,准则条件显示出较少的保守性。本文的结果与经典指数函数有关,在该函数中,不需要计算分数阶导数来降低复杂性。考虑到分数阶导数的不同阶数,通过数值模拟验证了所提结果的有效性和适用性。 引用于19文件 MSC公司: 34公里24 泛函微分方程的同步 34K37号 具有分数阶导数的泛函微分方程 44A10号 拉普拉斯变换 92B20型 生物研究、人工生命和相关主题中的神经网络 关键词:泄漏延迟;分数神经网络;准均匀同步;拉普拉斯变换 PDF格式BibTeX公司 XML格式引用 \textit{H.Zhang}等人,混沌孤子分形152,文章ID 111432,7 p.(2021;Zbl 1510.34167) 全文: 内政部 参考文献: [1] 基尔巴斯,A.A。;Srivastava,H.M。;Trujillo,J.J.,《分数阶微分方程的理论和应用》(2006年),爱思唯尔出版社:北荷兰·Zbl 1092.45003号 [2] 阿道夫松,K。;Enelund,M。;Olsson,P.,关于粘弹性的分数阶模型,时间相关材料力学,9,15-34(2005) [3] 李,X。;Tian,X.,具有双相滞后热传导模型的生物组织分数阶热粘弹性理论,应用数学模型,95,612-622(2021)·Zbl 1481.74560号 [4] Momani,S。;Odibat,Z.,流体力学中线性分数阶偏微分方程的分析方法,Phys-Lett A,355,271-279(2006)·Zbl 1378.76084号 [5] Yousef,F.B。;Yousef,A。;Maji,C.,具有捕食者密度依赖性猎物死亡率的分数阶捕食者-食饵系统中恐惧的影响,混沌、孤子和分形,145(2021)·Zbl 1498.92182号 [6] 达斯,M。;Samanta,G.P.,具有恐惧效应和猎物避难所的延迟分数阶食物链模型,数学计算模拟,178,218-245(2020)·Zbl 1524.92069号 [7] Anastasiou,G.A.,分数神经网络近似,计算机和数学应用,64,1655-1676(2012)·Zbl 1268.41007号 [8] Bao,H。;Park,J.H。;Cao,J.,通过量化输出控制实现分数阶输出耦合神经网络的自适应同步,IEEE Trans neural Netw学习系统,32,3230-3239(2021) [9] 张,H。;Ye,M。;Ye,R。;Cao,J.,黎曼-廖维尔分数延迟耦合复杂神经网络的同步稳定性,Physica A,508155-165(2018)·Zbl 1514.34126号 [10] 张,H。;Ye,R。;刘,S。;曹,J。;Alsadei,A。;Li,X.,基于LMI的离散和分布式时滞分数阶神经网络稳定性分析方法,国际系统科学杂志,49,537-545(2018)·Zbl 1385.93067号 [11] 张,H。;Ye,R。;曹,J。;Alsadei,A.,riemann-liouville分数中立型延迟神经网络的延迟相关稳定性,《神经处理快报》,47,427-442(2018) [12] 张,H。;Ye,R。;曹,J。;Alsadei,A。;李,X。;Wan,Y.,具有时变时滞的黎曼-廖维尔分数神经网络稳定性分析的Lyapunov泛函方法,亚洲控制杂志,20,1938-1951(2018)·Zbl 1407.93348号 [13] Muthukumar,P。;Balasubramaniam,P.,分数阶反向蝶形混沌系统的反馈同步及其在数字密码中的应用,非线性Dyn,741169-1181(2013)·Zbl 1284.34065号 [14] Bondarenko,V.,具有时间延迟的混沌神经网络中的信息处理、记忆和同步,复杂性,11,39-52(2005) [15] Alimi,A.M。;奥伊提,C。;Assali,E.A.,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,复杂性,332,29-43(2019) [16] 杨,X。;李,X。;卢,J。;Cheng,Z.,通过混合执行器故障和脉冲效应控制实现具有开关拓扑的时滞复杂网络同步,IEEE Trans-Cybern,504043-4052(2020) [17] 杨,X。;刘,Y。;曹,J。;Rutkowski,L.,耦合时滞神经网络与模式相关平均驻留时间切换的同步,IEEE跨神经网络学习系统,315483-5496(2020) [18] 唐·R。;苏,H。;邹毅。;Yang,X.,通过间歇量化控制实现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跨神经网络学习系统(2021) [19] 肖,J。;曹,J。;Cheng,J。;钟,S。;Wen,S.,分数阶四元数值神经网络有限时间mittag-lefler同步问题的新方法,Inf Sci(Ny),526221-244(2020)·Zbl 1458.34102号 [20] 张伟。;曹,J。;Wu,R。;陈,D。;Alsaadi,F.E.,关于具有多重时滞的分数阶神经网络投影同步的新结果,混沌、孤子和分形,117,76-83(2018)·Zbl 1442.93019号 [21] 王,S。;张,H。;张伟。;张,H.,caputo型分数阶复值时滞神经网络的有限时间投影同步,数学,91406(2021) [22] 李,H。;胡,C。;曹,J。;姜浩。;Alsadei,A.,具有时滞的分数阶复值神经网络的准投影和完全同步,神经网络,118102-109(2019)·Zbl 1443.93049号 [23] 张伟。;张,H。;曹,J。;张,H。;Alsaadi,F.E。;Alsaadi,A.,分数阶四元数值神经网络中的全局投影同步,亚洲J控制(2020) [24] 姚,Z。;周,P。;朱,Z。;Ma,J.,光依赖神经元和热敏神经元之间的相位同步,神经计算,423518-534(2021) [25] 杨,X。;Z.Feng。;冯,J。;曹,J.,基于跟踪器信息的离散时间时滞神经网络和马尔可夫跳拓扑的同步,神经网络,85,157-164(2017)·Zbl 1429.93346号 [26] 杨,X。;李,C。;黄,T。;宋,Q。;Huang,J.,基于分数阶记忆电阻器的具有不确定参数和时滞的复值神经网络的同步,混沌、孤子和分形,110,105-123(2018)·Zbl 1391.93168号 [27] 长,C。;张,G。;曾,Z。;Hua,J.,具有混合无限时变延迟和状态相关切换的惯性神经网络的有限时滞同步,神经计算,433,50-58(2021) [28] 张,H。;Ye,R。;曹,J。;Alsadei,A.,具有时变延迟和不同时间尺度的riemann-liouville分数阶竞争网络系统的同步控制,国际J控制自动化系统,16,1404-1414(2018) [29] Lakshmanan,S。;Park,J。;Jung,H。;Balasubramaniam,P.,具有泄漏、离散和分布式延迟的神经网络的状态估计器设计,应用数学计算,21811297-11310(2012)·Zbl 1277.93078号 [30] Gopalsamy,K.,《BAM中的泄漏延迟》,《数学与分析应用杂志》,第325期,第1117-1132页(2007年)·Zbl 1116.34058号 [31] 黄,C。;Cao,J.,泄漏延迟对高阶分数阶BAM神经网络分叉的影响,神经网络,98223-235(2018)·Zbl 1439.93004号 [32] 杨,X。;李,C。;黄,T。;宋,Q。;Chen,X.,基于分数阶记忆电阻的延迟神经网络的准均匀同步,神经计算,234205-215(2017) [33] Wu,H。;张,X。;薛,S。;Niu,P.,具有混合延迟的caputo型分数阶神经网络的拟一致稳定性,Int J Mach Learn Cybern,8,1501-1511(2017) [34] Velmurugan,G。;Rakkiyappan,R。;Cao,J.,基于分数阶记忆电阻的时滞神经网络的有限时间同步,神经网络,73,36-46(2016)·Zbl 1398.34110号 [35] 杜,F。;Lu,J.,基于分数阶记忆电阻的时滞神经网络有限时间稳定性的新判据,神经计算,421,349-359(2021) [36] Yang,H。;王,Z。;肖,M。;江,G。;Huang,C.,具有采样数据和输入饱和的异质动态网络的准同步,神经计算,339,130-138(2019) [37] 顾毅。;Yu,Y。;Wang,H.,具有参数不确定性的分数阶时滞记忆电阻器神经网络的同步,J Franklin Inst,353,3657-3684(2016)·Zbl 1347.93013号 [38] 胡,T。;何,Z。;张,X。;Zhong,S.,具有时滞的分数阶复值神经网络的有限时间稳定性,应用数学计算,365(2020)·Zbl 1433.34097号 [39] 刘,Y。;徐,P。;卢,J。;Liang,J.,具有时滞的clifford值递归神经网络的全局稳定性,非线性Dyn,84,767-777(2016)·Zbl 1354.93132号 [40] 刘,Y。;郑洁。;卢,J。;曹,J。;Rutkowski,L.,约束四元数变量凸优化:四元数值递归神经网络方法,IEEE Trans neural Netw学习系统,311022-1035(2020) [41] 夏,Z。;刘,Y。;卢,J。;曹,J。;Rutkowski,L.,约束分布式四元数变量优化的惩罚方法,IEEE Trans-Cybern(2020) [42] 秦,S。;冯,J。;宋,J。;文,X。;Xu,C.,用于约束复变量凸优化的单层递归神经网络,IEEE Trans neural Netw Learn Syst,29534-544(2018) 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。