变时滞神经网络的时滞相关全局渐近稳定新判据

山东大学学报(工学版) ›› 2010, Vol. 40 ›› Issue (4): 53-56.

变时滞神经网络的时滞相关全局渐近稳定新判据

刘国彩,刘玉常,鞠培军

泰山学院数学与系统科学系, 山东泰安 271021

收稿日期:2009-12-16 出版日期:2010-08-16 发布日期:2009-12-16
作者简介:刘国彩(1969-),男,山东临沂人,讲师,主要研究方向为时滞系统控制.E-mail: lgc11@sina.com
基金资助:
山东省教育厅科研发展计划资助项目(J07WJ23)

A new delay-dependent global asymptotic stability forneural networks with time-varying delays

LIU Guo-cai, LIU Yu-chang, JU Pei-jun

Department of Mathematics and System Science, Taishan University, Tai’an 271021, China

Received:2009-12-16 Online:2010-08-16 Published:2009-12-16

摘要/Abstract

摘要：

研究了变时滞神经网络的时滞相关渐近稳定性问题。利用Lyapunov-Krasovskii泛函和积分等式方法,提出了此类神经网络有唯一稳定点和全局渐近稳定的充分条件。与已有文献相比,不再要求激活函数单调,并且时滞导数可以不小于1,具有较弱的保守性。算例验证了所给方法的正确性。

关键词: 神经网络, 积分等式, 全局渐近稳定, 线性矩阵不等式

Abstract:

The asymptotic stability of neural networks with time-varying delays was studied. By the use of the Lyapunov-Krasovskii functional and integralequality approach, sufficient conditions were developed to ensure that the delayed neural network has a unique equilibrium point and global asymptotic stability. Monotone was not required by the activation function, and the delayderivative could be 1 or more than 1. Reduced conservativeness of the proposed method was verified with an example.

Key words: global asymptotic stability, linear matrix inequality, neural network, integral-equality approach

刘国彩,刘玉常,鞠培军. 变时滞神经网络的时滞相关全局渐近稳定新判据[J]. 山东大学学报(工学版), 2010, 40(4): 53-56.

LIU Guo-cai, LIU Yu-chang, JU Pei-jun. A new delay-dependent global asymptotic stability forneural networks with time-varying delays[J]. JOURNAL OF SHANDONG UNIVERSITY (ENGINEERING SCIENCE), 2010, 40(4): 53-56.

参考文献

相关文章 15

[1]	沈冬冬,周风余,栗梦媛,王淑倩,郭仁和. 基于集成深度神经网络的室内无线定位[J]. 山东大学学报(工学版), 2018, 48(5): 95-102.
[2]	张璞,刘畅,王永. 基于特征融合和集成学习的建议语句分类模型[J]. 山东大学学报(工学版), 2018, 48(5): 47-54.
[3]	梁蒙蒙,周涛,夏勇,张飞飞,杨健. 基于PSO-ConvK卷积神经网络的肺部肿瘤图像识别[J]. 山东大学学报(工学版), 2018, 48(5): 77-84.
[4]	张宪红,张春蕊. 基于六维前馈神经网络模型的图像增强算法[J]. 山东大学学报(工学版), 2018, 48(4): 10-19.
[5]	赵彦霞, 王熙照. 基于SVD和DCNN的彩色图像多功能零水印算法[J]. 山东大学学报(工学版), 2018, 48(3): 25-33.
[6]	曹雅,邓赵红,王士同. 基于单调约束的径向基函数神经网络模型[J]. 山东大学学报(工学版), 2018, 48(3): 127-133.
[7]	谢志峰,吴佳萍,马利庄. 基于卷积神经网络的中文财经新闻分类方法[J]. 山东大学学报(工学版), 2018, 48(3): 34-39.
[8]	何正义,曾宪华,郭姜. 一种集成卷积神经网络和深信网的步态识别与模拟方法[J]. 山东大学学报(工学版), 2018, 48(3): 88-95.
[9]	唐乐爽,田国会,黄彬. 一种基于DSmT推理的物品融合识别算法[J]. 山东大学学报(工学版), 2018, 48(1): 50-56.
[10]	王秀青,曾慧,解飞,吕峰. 基于Spiking神经网络的机械臂故障诊断[J]. 山东大学学报(工学版), 2017, 47(5): 15-21.
[11]	武炎明,王瑞云,王占山. 基于中间变量观测器的多智能体故障检测[J]. 山东大学学报(工学版), 2017, 47(5): 96-102.
[12]	邱路,叶银忠,姜春娣. 基于小波奇异熵和SOM神经网络的微电网系统故障诊断[J]. 山东大学学报(工学版), 2017, 47(5): 118-122.
[13]	吴建萍,姜斌,刘剑慰. 基于小波包信息熵和小波神经网络的异步电机故障诊断[J]. 山东大学学报(工学版), 2017, 47(5): 223-228.
[14]	刘帆,陈泽华,柴晶. 一种基于深度神经网络模型的多聚焦图像融合方法[J]. 山东大学学报(工学版), 2016, 46(3): 7-13.
[15]	周绍伟. 随机Markov跳跃系统有限时间稳定性[J]. 山东大学学报(工学版), 2016, 46(2): 78-84.

多维度评价

Viewed

Full text

Abstract

Cited

Shared

Discussed