کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4974327 1365527 2016 14 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Stability analysis of neural networks with periodic coefficients and piecewise constant arguments
ترجمه فارسی عنوان
تجزیه و تحلیل ثبات شبکه های عصبی با ضریب های دوره ای و استدلال های ثابت قطعی
ترجمه چکیده
ثبات جهانی نشان داده شده در یک کلاس از شبکه های عصبی با ضریب های دوره ای و استدلالات ثابت قطعی در این مقاله مورد بررسی قرار گرفته است. تعریف جدیدی از ثبات نمایشی و یک نابرابری دیفرانسیل جدید با استدلال ثابت بستهبندی معرفی شده برای به دست آوردن شرایط کافی برای ثبات جهانی در راه حل دوره ای شبکه های عصبی. معیارهای پایداری مستقل از حد بالایی اختلاف عناصر مجاور لحظات تعویض متناوب است. با توجه به تعریف جدید ثبات نمایشی و نابرابری دیفرانسیل جدید، نه تنها لازم نیست رابطه ای بین هنجارهای دولت با / بدون استدلال های ثابت ثابت ایجاد شود، بلکه معیارهای پایداری برای شبکه های عصبی فقط می توانند به دست آیند از لحاظ معادله دیفرانسیل اصلی، به جای معادله انتگرال معادل است که به طور گسترده در آثار اولیه استفاده می شود. نمونه های عددی نمونه ای برای نشان دادن اعتبار و بهبود در محافظه کاری کمتر از نتایج نظری استفاده می شود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر پردازش سیگنال
پیش نمایش مقاله
تجزیه و تحلیل ثبات شبکه های عصبی با ضریب های دوره ای و استدلال های ثابت قطعی
چکیده انگلیسی
Global exponential stability of a class of neural networks with periodic coefficients and piecewise constant arguments is investigated in this paper. A new definition of exponential stability and a novel differential inequality with piecewise constant arguments are introduced to obtain sufficient conditions for the globally exponential stability of the periodic solution of neural networks. The stability criteria are independent on the upper bound of the adjacent element difference of the discontinuous switching moments. According to the new definition of exponential stability and the novel differential inequality, not only it is not necessary to establish any relationship between the norms of the states with/without piecewise constant arguments, but also the stability criteria for the neural networks can be obtained just in terms of the original differential equation, rather than the equivalent integral equation which is widely used in the early works. Typical numerical examples are utilized to illustrate the validity and improvement in less conservatism of the theoretical results.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of the Franklin Institute - Volume 353, Issue 2, January 2016, Pages 409-425
نویسندگان
, , , ,