随机中立型时滞神经网络的全局渐近稳定性判据

上海交通大学学报（自然版） ›› 2011, Vol. 45 ›› Issue (08): 1151-1157.

• 自动化技术、计算机技术 • 上一篇下一篇

随机中立型时滞神经网络的全局渐近稳定性判据

刘国权1, 杨先一1, 柴毅1, 付伟1, 冯伟2, 时光1

（1.重庆大学自动化学院, 重庆 400044; 2.重庆教育学院计算机系, 重庆 400067）

收稿日期:2011-03-07 出版日期:2011-08-30 发布日期:2011-08-30
基金资助:
国家自然科学基金(60974090),中央高校基本科研业务费科研专项基金(CDJXS11172237),重庆市自然科学基金(2009BB2378)资助项目

Global Asymptotic Stability Criteria for Stochastic Neutral-Type Delayed Neural Networks

LIU Guo-Quan-1, YANG Xian-Yi-1, CHAI Yi-1, FU Wei-1, FENG Wei-2, SHI Guang-1

(1.College of Automation, Chongqing University, Chongqing 400044, China;2.Department of Computer, Chongqing Education College, Chongqing 400067, China)

Received:2011-03-07 Online:2011-08-30 Published:2011-08-30

摘要/Abstract

摘要： 研究一类含有变时滞的随机中立型神经网络的全局渐近稳定性问题.通过构造一个新的LyapunovKrasovskii泛函和不等式技术，得到了基于线性矩阵不等式表示的与时滞大小有关的时滞稳定的充分判据.该判据考虑了一类含有分布式时滞和随机扰动项并且激活函数是常量(正数、负数和零)的中立型神经网络，与现有文献相比，其更具有一般性和较少保守性.最后，通过2个算例分析，验证了所得结果是有效的.

关键词: , 全局渐近稳定性, 随机扰动, 神经网络, 线性矩阵不等式, 变时滞

Abstract: The problem of global asymptotic stability analysis for a class of stochastic neutral-type neural networks with variable delays was investigated. By constructing an appropriate Lyapunov functional combined with inequality technique，sufficient stability criteria dependent on the size of the time delay were obtained in terms of linear matrix inequality (LMI). A class of neutral-type networks considered in the paper consists of distributed delays, stochastic perturbation and activation functions which are assumed to be constants (positive, negative, and zero), so these proposed criteria are universal and representative. The proposed stability results are more universal and less conservative than the existing ones. Finally, two numerical examples were given to demonstrate the effectiveness of the proposed results.

Key words: global asymptotic stability, stochastic perturbation, neural networks, linear matrix inequality (LMI), variable delays

中图分类号:

TP183

刘国权1, 杨先一1, 柴毅1, 付伟1, 冯伟2, 时光1. 随机中立型时滞神经网络的全局渐近稳定性判据[J]. 上海交通大学学报（自然版）, 2011, 45(08): 1151-1157.

LIU Guo-Quan-1, YANG Xian-Yi-1, CHAI Yi-1, FU Wei-1, FENG Wei-2, SHI Guang-1. Global Asymptotic Stability Criteria for Stochastic Neutral-Type Delayed Neural Networks[J]. Journal of Shanghai Jiaotong University, 2011, 45(08): 1151-1157.

参考文献

［1］Xu S Y, Lam J, Ho D W C. A new LMI condition for delaydependent asymptotic stability of delayed Hopfield neural networks ［J］. IEEE Transactions on Circuits and Systems IiExpress Briefs, 2006, 53(3): 230234.

［2］Liu H L, Chen G H. Delaydependent stability for neural networks with timevarying delay ［J］. Chaos Solitons & Fractals， 2007, 33(1): 171177.

［3］Qiankun S, Zidong W. A delaydependent LMI approach to dynamics analysis of discretetime recurrent neural networks with timevarying delays ［J］. Physics Letters A, 2007, 368(12): 134145.

［4］Zhang Z, Li C D, Liao X F. Delaydependent robust stability analysis for interval linear timevariant systems with delays and application to delayed neural networks ［J］. Neurocomputing, 2007, 70(1618): 29802995.

［5］Li T, Guo L, Sun C, et al. Further results on delaydependent stability criteria of neural networks with timevarying delays ［J］. IEEE Transactions on Neural Networks, 2008, 19(4): 726730.

［6］Li H, Chen B, Zhou Q, et al. Robust exponential stability for uncertain stochastic neural networks with discrete and distributed timevarying delays ［J］. Physics Letters A, 2008, 372(19): 33853394.

［7］Balasubramaniam P, Lakshmanan S, Rakkiyappan R. Delayinterval dependent robust stability criteria for stochastic neural networks with linear fractional uncertainties ［J］. Neurocomputing, 2009, 72(1618):36753682.

［8］Su W W, Chen Y M. Global asymptotic stability analysis for neutral stochastic neural networks with timevarying delays ［J］. Communications in Nonlinear Science and Numerical Simulation, 2009, 14(4): 15761581.

［9］Chen H B, Zhang Y, Hu P. Novel delaydependent robust stability criteria for neutral stochastic delayed neural networks ［J］. Neurocomputing, 2010, 73(1315): 25542561.

［10］Park J H, Kwon O M. Analysis on global stability of stochastic neural networks of neutral type ［J］. Modern Physics Letters B, 2008, 22(32): 31593170.

编辑推荐 0

Metrics

阅读次数

全文

608

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	0	0	0	608

来源	本网站	其他网站

次数	23	585
比例	4%	96%

摘要

4192

最新录用	在线预览	正式出版

0	0	4192

来源	本网站	其他网站

次数	256	3936
比例	6%	94%

[1]	曾国治, 魏子清, 岳宝, 丁云霄, 郑春元, 翟晓强. 基于CNN-RNN组合模型的办公建筑能耗预测[J]. 上海交通大学学报, 2022, 56(9): 1256-1261.
[2]	吴庶宸, 戚宗锋, 李建勋. 基于深度学习的智能全局灵敏度分析[J]. 上海交通大学学报, 2022, 56(7): 840-849.
[3]	全大英, 陈赟, 唐泽雨, 李世通, 汪晓锋, 金小萍. 基于双通道卷积神经网络的雷达信号识别[J]. 上海交通大学学报, 2022, 56(7): 877-885.
[4]	秦艺超, 黄礼敏, 王骁, 马学文, 段文洋, 郝伟. 基于人工神经网络的自航浮标测波方法可行性[J]. 上海交通大学学报, 2022, 56(4): 498-505.
[5]	赵勇, 苏丹. 基于4种长短时记忆神经网络组合模型的畸形波预报[J]. 上海交通大学学报, 2022, 56(4): 516-522.
[6]	毛营忠, 冯智勇, 郭会茹. 考虑多性能约束的车辆主动前轮转向静态输出反馈控制[J]. 上海交通大学学报, 2022, 56(2): 156-164.
[7]	丁明, 孟帅, 王书恒, 夏玺. 六自由度波浪补偿平台的神经网络自适应反馈线性化控制[J]. 上海交通大学学报, 2022, 56(2): 165-172.
[8]	刘秀丽, 徐小力. 基于特征金字塔卷积循环神经网络的故障诊断方法[J]. 上海交通大学学报, 2022, 56(2): 182-190.
[9]	王聚团, 戚晓宁, 黄志明. 水下生产管汇测试技术及其改进研究[J]. 海洋工程装备与技术, 2022, 9(2): 43-49.
[10]	袁振钦, 邹科, 孙亚峰, 刘刚, 屈衍, 李居跃. 基于时域分析法的动态电缆疲劳分析[J]. 海洋工程装备与技术, 2022, 9(2): 50-55.
[11]	聂瑞, 王红茹. 基于神经网络观测器的无人机编队执行器故障诊断[J]. 空天防御, 2022, 5(2): 32-41.
[12]	杨庶, 钱云霄, 杨婷. 高超声速飞行器线性变参数一体化式控制律设计[J]. 上海交通大学学报, 2022, 56(11): 1427-1437.
[13]	王卓鑫, 赵海涛, 谢月涵, 任翰韬, 袁明清, 张博明, 陈吉安. 反向传播神经网络联合遗传算法对复合材料模量的预测[J]. 上海交通大学学报, 2022, 56(10): 1341-1348.
[14]	陶海红, 闫莹菲. 一种基于GA-CNN的网络化雷达节点遴选算法[J]. 空天防御, 2022, 5(1): 1-5.
[15]	戴少怀, 杨革文, 郁文, 吴向上. 基于RBF神经网络的雷达有源压制干扰识别[J]. 空天防御, 2022, 5(1): 102-107.

随机中立型时滞神经网络的全局渐近稳定性判据

Global Asymptotic Stability Criteria for Stochastic Neutral-Type Delayed Neural Networks

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐 0

Metrics

本文评价