×

时变时滞脉冲神经网络的指数稳定性。 (英语) Zbl 1139.93353号

摘要:本文研究了具有时变时滞的脉冲神经网络的全局指数稳定性问题,得到了保证全局指数稳定性的一些新判据。所得结果对独立于神经系统的网络参数施加了约束条件,适用于所有连续的非单调神经元激活函数。与文献中先前报道的结果相比,本文得到的结果提供了一组更好的判定时变时滞神经网络稳定性的准则。此外,将给出两个示例来证明我们的结果的有效性。

理学硕士:

93D20型 控制理论中的渐近稳定性
93天30分 李亚普诺夫函数和存储函数
93立方厘米35 灵敏度(稳健性)
92C20美元 神经生物学
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Hopfield,J.,“具有分级响应的神经元具有与二态神经元类似的集体计算特性”,美国国家科学院院刊《生物物理》,81,3088-3092(1984)·Zbl 1371.92015年
[2] Chua,L.O。;Yang,L.,《蜂窝网络:理论》,IEEE Trans-Syst,35,10,1257-1272(1988)·Zbl 0663.94022号
[3] 马库斯,C.M。;Westervelt,R.M.,《具有延迟的模拟神经网络的稳定性》,Phys Rev A,39,347-359(1989)
[4] 科恩,M。;Grossberg,S.,《竞争神经网络的绝对稳定性、全局模式形成和并行存储》,IEEE Trans-Syst Man-Cybern,13,5,815-826(1983)·Zbl 0553.92009号
[5] van den Driesschee,P。;Zou,X.,延迟Hopfield神经网络模型中的全局吸引力,SIAM应用数学,581878-1890(1998)·Zbl 0917.34036号
[6] Kosko,B.,双向联想存储器,IEEE Trans-Syst Man Cybern,18,1,49-60(1988)
[7] 萨布里·阿里克;Tavsanoglu,Vedat,具有恒定时滞的双向联想记忆神经网络的全局渐近稳定性分析,神经计算,68,161-176(2005)
[8] 曹,J.,延迟双向联想记忆神经网络的全局渐近稳定性,应用数学计算,142,333-339(2003)·Zbl 1031.34074号
[9] 赵洪勇,进化中双向联想记忆神经网络的指数稳定性和周期振荡,神经计算,69,424-448(2006)
[10] Liao,X.F。;Yu,J.B.,具有时滞的双向联想记忆的定性分析,国际循环理论应用,26,3,219-229(1998)·Zbl 0915.94012号
[11] Samoilinko,A.M.,Prestyak脉冲微分方程(1995),新加坡世界科学出版社·Zbl 0837.34003号
[12] 拉克什米坎坦,V。;贝诺夫,D.D。;Simeonov,P.S.,《脉冲微分方程理论》(1989),新加坡世界科学出版社·Zbl 0719.34002号
[13] Gopalsamy,K.,脉冲人工神经网络的稳定性,应用数学计算,154783-813(2004)·Zbl 1058.34008号
[14] 李永坤,一类脉冲神经网络周期解的存在性与全局指数稳定性,混沌,孤子与分形,27437-445(2006)·Zbl 1084.68103号
[15] 李永坤,脉冲Hopfield型神经网络的全局指数稳定性和周期解的存在性,Phys-Lett A,33362-71(2004)·Zbl 1123.34303号
[16] Akca,Haydar,带脉冲的连续时间加性Hopfield型神经网络,《数学与分析应用杂志》,290,436-451(2004)·Zbl 1057.68083号
[17] 杨晓凡,有限分布时滞脉冲Hopfield神经网络周期解的存在性和稳定性,Phys-Lett A,343,108-116(2005)·Zbl 1184.34080号
[18] 关志宏;陈干荣,论脉冲自联想神经网络,神经网络,1363-69(2000)
[19] 关志宏;陈冠荣,关于时滞脉冲Hopfield神经网络,神经网络,12,273-280(1999)
[20] Li,Yongkun,具有延迟和脉冲的BAM神经网络的全局指数稳定性,混沌,孤立和分形,24279-285(2005)·Zbl 1099.68085号
[21] 储罐,D。;Hopfield,J.,《简单神经优化网络:A/D转换器、信号决策电路和线性规划电路》,IEEE Trans Circ Syst,33,533-541(1986)
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。