比例时滞神经网络的全局多项式镇定性

doi:10.13438/j.cnki.jdzk.2022.03.003

吉首大学学报（自然科学版） ›› 2022, Vol. 43 ›› Issue (3): 15-25.DOI: 10.13438/j.cnki.jdzk.2022.03.003

比例时滞神经网络的全局多项式镇定性

王宇，张诗茹，张渝佶，周立群

（天津师范大学数学科学学院，天津 300387）

出版日期:2022-05-25 发布日期:2022-09-06
通讯作者: 周立群(1972—)，女，黑龙江齐齐哈尔人，天津师范大学数学科学学院教授，博士，主要从事神经网络的理论及应用研究.
基金资助:
国家级大学生创新项目(202110065004)；天津市普通高等学校本科教学质量与教学改革研究计划项目(B201006505)；天津市自然科学基金项目(18JCYBJ85800)

Global Polynomial Stabilization of Proportional Delayed Neural Networks

WANG Yu,ZHANG Shiru,ZHANG Yuji,ZHOU Liqun

(School of Mathematics Science,Tianjin Normal University,Tianjin 300387,China)

Online:2022-05-25 Published:2022-09-06

摘要/Abstract

摘要：针对一类比例时滞神经网络，采用状态反馈控制器，在激活函数有界且满足Lipschitz条件下，通过构造适当的Lyapunov泛函，并利用平均值不等式及其分析技巧，研究了该神经网络的全局多项式镇定性和全局渐近镇定性，得到了几个时滞依赖的全局多项式镇定和全局渐近镇定的判定条件.

关键词： 比例时滞, 神经网络, Lyapunov泛函, 平均值不等式, 全局多项式镇定性, 全局渐近镇定性

Abstract: For a class of proportional delayed neural networks,a state feedback controller is used.With the condition that the activation function is bounded and satisfies the Lipschitz condition,we analyze the global polynomial stabilization (GPS) and global asymptotic stabilization (GAS) of the studied system are analyzed by constructing appropriate Lyapunov functionals and using mean value inequality and inequality analysis skills.Several delay-dependent GPS and GAS conditions are obtained.

Key words: proportional delay, neural networks, Lyapunov functional, mean inequality, global polynomial stabilization, global asymptotic stabilization

王宇, 张诗茹, 张渝佶, 周立群. 比例时滞神经网络的全局多项式镇定性[J]. 吉首大学学报（自然科学版）, 2022, 43(3): 15-25.

WANG Yu, ZHANG Shiru, ZHANG Yuji, ZHOU Liqun. Global Polynomial Stabilization of Proportional Delayed Neural Networks[J]. Journal of Jishou University(Natural Sciences Edition), 2022, 43(3): 15-25.

参考文献

[1] 张保生.时滞细胞神经网络的全局渐近稳定性[J].生物数学学报,2013,28(2):271-277.
[2] 钱学明.含无穷分布时滞的离散时间耦合神经网络同步分析[J].吉首大学学报(自然科学版),2014,35(1):36-41.
[3] 康卫，李林国.离散分布时滞随机神经网络的稳定性[J].吉首大学学报(自然科学版),2012,33(4):37-40.
[4] 王振国.基于忆阻的时滞神经网络的全局指数镇定性[J].辽宁工程技术大学学报(自然科学版),2016,35(6):661-666.
[5] 黄慧卉,何秀丽,时正华.基于离散时间观测的神经网络的随机镇定[J].云南民族大学学报(自然科学版),2018,8(1):40-45.
[6] 李树德,时正华,何秀丽.基于时滞观测的神经网络的随机镇定[J].湖北大学学报(自然科学版),2019,41(2):208-213.
[7] 何汉林,徐文巍,查苗.分布时滞细胞神经网络镇定的代数条件[J].海军工程大学学报,2018,30(2):7-12.
[8] 石桂银,周儒娟,张小美.基于混杂脉冲切换控制的时滞混沌神经网络的镇定[J].南通大学学报(自然科学版),2011,10(4):17-21.
[9] ZHOU Liqun.On the Global Dissipativity of a Class of Cellular Neural Networks with Multi pantograph Delays[J].Advances in Artificial Neural Systems,2011,2011:941426.DOI:10.1155/2011/941426.
[10] 张磊,宋乾坤.带有比例时滞的复值神经网络全局指数稳定性[J].应用数学和力学,2018,39(5):584-591.
[11] 刘学婷,周立群.一类具比例时滞细胞神经网络的全局渐近稳定性[J].四川师范大学学报(自然科学版),2015,38(1):58-65.
[12] 周瑞,周立群.一类具比例时滞Hopfield神经网络的全局渐近稳定性[J].西北大学学报(自然科学版),2019,49(5):716-722.
[13] 刘锦,赵维锐.具有时变时滞的中立型神经网络的稳定性分析[J].华东师范大学学报(自然科学版),2020(4):35-44.〖JP〗
[14] YU Yuehua.Finite-Time Stability on a Class of Non-Autonomous SICNNs with Multi-proportional Delays[J].Asian Journal of Control,2017,19(1):87-94.
[15] 徐国雄,包海波.时滞分数阶递归神经网络的输入状态稳定性[J].南通大学学报(自然科学版),2020,19(1):62-67.
[16] ZHOU Liqun.NovelGlobal Exponential Stability Criteria for Hybrid BAM Neural Networks with Proportional Delays[J].Neurocomputing,2015,161:99-106.
[17] 许友军,刘柏林.比例时滞脉冲细胞神经网络的指数稳定性[J].南华大学学报(自然科学版)，2021,35(2):79-96.
[18] 吴寒,陈展衡.具比例时滞Hopfield神经网络的全局一致渐近稳定性[J].伊犁师范学院学报(自然科学版),2020,14(4):13-17.
[19] GUAN Kaizhong,YANG Junhao.Global Asymptotic Stabilization of Cellular Neural Networks with Proportional Delayvia Impulsive Control[J].Neural Processing Letters,2019,50(2):1969-1992.
[20] XIAO Qiang,HUANG Tingwen,ZENG Zhigang.Stabilization of Nonautonomous Recurrent Neural Networks with Bounded and Unbounded Delays on Time Scales[J].IEEE Transactions on Cybernetics,2020,50(10):4307-4317.
[21] ZHOU Rui,ZHOU Liqun.Global Polynomial Stabilization and Global Asymptotic Stabilization of Coupled Neural Networks with Multi-Proportional Delays[J].Mathematical Methods in the Applied Sciences,2020,43(12):7345-7360.
[22] KONG Fanchao,REN Yong,SAKTHIVEL RATHINASAMY.New Criteria on Periodicity and Stabilization of Discontinuous Uncertain Inertial Cohen-Grossberg Neural Networks with Proportional Delays[J].Chaos,Solitons & Fractals,2021,150.DOI:10.1016/j.chaos.2021.111148.

比例时滞神经网络的全局多项式镇定性

Global Polynomial Stabilization of Proportional Delayed Neural Networks

PDF (PC)

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

Metrics

本文评价

[1]	叶海燕. 基于卷积神经网络的特定目标文本情感分析模型[J]. 吉首大学学报（自然科学版）, 2024, 45(1): 24-29.
[2]	张习盼, 沈长春. 中立型马尔可夫跳跃系统的可达集边界估计[J]. 吉首大学学报（自然科学版）, 2023, 44(2): 7-16.
[3]	李家稳, 王崇旭, 王浩. 基于神经网络的桥下开挖竖向位移预测[J]. 吉首大学学报（自然科学版）, 2022, 43(2): 53-59.
[4]	王雨嫣, 廖柏林, 彭晨, 李军, 印煜民. 递归神经网络研究综述[J]. 吉首大学学报（自然科学版）, 2021, 42(1): 41-48.
[5]	李钰，段明秀，宋思思，李翅. 基于深度学习SSD模型的人数统计技术[J]. 吉首大学学报（自然科学版）, 2020, 41(2): 19-22.
[6]	伍逸凡，朱龙娇，石俊萍. 人工神经网络在信息过滤中的应用[J]. 吉首大学学报（自然科学版）, 2019, 40(3): 17-22.
[7]	张永胜，肖林. 二次最小化问题的有限时间递归神经网络求解[J]. 吉首大学学报（自然科学版）, 2019, 40(2): 21-26.
[8]	贺电，谭渡渡，何海零，邹晟，钟佳辰，王庭婷. 基于气象大数据的配网故障数量预测[J]. 吉首大学学报（自然科学版）, 2019, 40(1): 53-56.
[9]	王军. 安徽省某地区中长期电力负荷预测[J]. 吉首大学学报（自然科学版）, 2018, 39(6): 46-49.
[10]	丁李，曾水玲，熊涛. 基于BP神经网络的湘西民间方块苗文特征提取方法[J]. 吉首大学学报（自然科学版）, 2018, 39(5): 14-18.
[11]	韦建波，张栋柱，罗浩杰，谭惠，韦涛. 基于改进的RBF神经网络的配电网故障诊断模型[J]. 吉首大学学报（自然科学版）, 2018, 39(1): 54-58.
[12]	赵超越，张友华. 小麦赤霉病神经网络和偏最小二乘预测模型[J]. 吉首大学学报（自然科学版）, 2017, 38(4): 47-52.
[13]	向秋红,廖柏林,马川. 新型递归神经网络求解时变矩阵Moore-Penrose逆[J]. 吉首大学学报（自然科学版）, 2017, 38(3): 31-35.
[14]	汪思成，肖林，严慧玲. 基于不同误差函数的神经网络求解线性方程组[J]. 吉首大学学报（自然科学版）, 2016, 37(6): 26-28.
[15]	钱育蓉，于炯，英昌甜，杨兴耀. 一种分区BP人工神经网络图像差值算法[J]. 吉首大学学报（自然科学版）, 2016, 37(3): 28-33.