区间时滞神经网络的随机稳定性

doi:10.3778/j.issn.1002-8331.2010.19.013

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (19): 48-50.DOI: 10.3778/j.issn.1002-8331.2010.19.013

区间时滞神经网络的随机稳定性

吴海霞^1，2，冯伟²，张伟²

1.重庆大学计算机学院，重庆400044
2.重庆教育学院计算机与现代教育技术系，重庆400067

收稿日期:2009-01-05 修回日期:2009-02-16 出版日期:2010-07-01 发布日期:2010-07-01
通讯作者: 吴海霞

Stochastic stability of neural networks with interval time-varying delays

WU Hai-xia^1，2，FENG Wei²，ZHANG Wei²

1.College of Computer Science，Chongqing University，Chongqing 400044，China
2.Department of Computer and Modern Education Technology，Chongqing Education College，Chongqing 400067，China

Received:2009-01-05 Revised:2009-02-16 Online:2010-07-01 Published:2010-07-01
Contact: WU Hai-xia

摘要/Abstract

摘要： 分析了区间变时滞的随机神经网络的全局渐进稳定性。区间变时滞不仅考虑了时变因素，而且考虑了时滞时变的上界和下界。通过Itô’s 微分公式和构造适当的李雅普罗夫泛函，并且引入自由权值矩阵，以线性矩阵不等式形式给出了该系统在均方意义下的全局渐进稳定的充分性判据。数值算例进一步证明了结论的有效性。

Abstract: By Itô’s differential formula and combining the method of inequality analysis，the problem of stochastic asymptotical stability of a class of stochastic neural networks with time-varying delays and parameter uncertainties is investigated.The time-delay factors are unknown and time-varying with known bounds.Based on Lyapunov-Krasovskii functional and stochastic
analysis approaches，some new stability criteria are presented in terms of linear matrix inequalities（LMIs） to guarantee the delayed neural network to be asymptotically stochastically asymptotically stable in the mean square for all admissible uncertainties.
Numerical examples are given to demonstrate the usefulness of the proposed asymptotical stability criteria.

中图分类号:

TP183

吴海霞^1，2，冯伟²，张伟². 区间时滞神经网络的随机稳定性[J]. 计算机工程与应用, 2010, 46(19): 48-50.

WU Hai-xia^1，2，FENG Wei²，ZHANG Wei². Stochastic stability of neural networks with interval time-varying delays[J]. Computer Engineering and Applications, 2010, 46(19): 48-50.

[1]	张雨浓¹，郭东生¹，谭宁². 幂激励前向神经网络最优结构确定算法[J]. 计算机工程与应用, 2011, 47(2): 29-31.
[2]	谢铮桂^1，2，钟少丹^1，2，韦玉科². 改进的粒子群算法及收敛性分析[J]. 计算机工程与应用, 2011, 47(1): 46-49.
[3]	缪新颖^1，2，褚金奎¹，杜小文¹. LM-BP神经网络在大坝变形预测中的应用[J]. 计算机工程与应用, 2011, 47(1): 220-222.
[4]	孙彬^1，2，李铁克^1，2，王柏琳^1，2. 基于股票市场灵敏度分析的神经网络预测模型[J]. 计算机工程与应用, 2011, 47(1): 26-31.
[5]	向昌盛¹，张林峰². 混沌时间序列预测模型参数同步优化[J]. 计算机工程与应用, 2011, 47(1): 4-7.
[6]	邱龙金¹，贺昌政². 神经网络稳定性的交叉验证模型[J]. 计算机工程与应用, 2010, 46(34): 43-45.
[7]	吕俊，高慧萍，杨慧. 递阶遗传粒子群算法在神经网络设计中的应用[J]. 计算机工程与应用, 2010, 46(33): 227-229.
[8]	麦其鹏¹，吴艳华²，李续娥¹. 性味归经与抗衰老药效的BP神经网络研究[J]. 计算机工程与应用, 2010, 46(32): 220-223.
[9]	王华秋¹，廖晓峰². 非线性量化CMAC研究与应用[J]. 计算机工程与应用, 2010, 46(28): 218-221.
[10]	张坤¹，郁湧²，李彤². 小波神经网络在黄金价格预测中的应用[J]. 计算机工程与应用, 2010, 46(27): 224-226.
[11]	陈刚¹，杜树新¹，江丽²，李晨²，蔡婧². 基于神经网络的氟石粉液化模型分析[J]. 计算机工程与应用, 2010, 46(26): 245-248.
[12]	王龙^1，2，李晓光¹，周翰逊¹. 模拟电路故障的分布式诊断算法[J]. 计算机工程与应用, 2010, 46(26): 11-13.
[13]	王成全. 基于二维云模型的规则提取算法研究[J]. 计算机工程与应用, 2010, 46(26): 46-48.
[14]	王芬^1，2，吴怀宇¹. BAM神经网络周期解的存在性与稳定性[J]. 计算机工程与应用, 2010, 46(24): 15-18.
[15]	杨静俐，杜廷松. 求解线性约束的二次规划神经网络学习新算法[J]. 计算机工程与应用, 2010, 46(24): 37-39.

区间时滞神经网络的随机稳定性

Stochastic stability of neural networks with interval time-varying delays

PDF

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