کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5026209 1369861 2016 26 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Wirtinger-based multiple integral inequality approach to synchronization of stochastic neural networks
ترجمه فارسی عنوان
رویکرد نابرابری یکپارچه چندگانه ویرینگر برای هماهنگ سازی شبکه های عصبی تصادفی
کلمات کلیدی
ترجمه چکیده
در این مقاله مسئله هماهنگ سازی برای یک کلاس از شبکه های عصبی هرج و مرج با تاخیر زمانی توزیع گسسته و بدون محدودیت تحت اختلالات تصادفی مورد بررسی قرار می گیرد. در مرحله اول، بر اساس نابرابری دو بعدی یکپارچه مبتنی بر ویرینگر، دو نابرابری جدید ارائه شده است که به صورت چندین انتگرال نابرابری انتگرال مبتنی بر ویرینگگر هستند. سپس با استفاده از نابرابری انتگرال جانسن برای مورد تصادفی و ترکیب نابرابری انتگرال جنسن با روش ترکیبی محصور متقابل، یک معیار وابسته به تاخیر ایجاد شده برای دستیابی به همگام سازی برای شبکه های عصبی تصادفی تصادفی به معنای مربع متوسط ​​است. در مورد هیچ اختلال تصادفی، با استفاده از روش ترکیب ترکیبی متقابل برای مورد بالا و یک نابرابری مبتنی بر ماتریس آزاد، شرایط جدید وابسته به تاخیر ایجاد شده برای دستیابی به هماهنگ سازی برای شبکه های عصبی آشفته است. تمام نتایج بر اساس تقسیم محدودیت تابع فعال شدن به دو مقطع زمانی با طول برابر است. در نهایت، دو مثال عددی برای نشان دادن اثربخشی نتایج نظری ارائه شده است.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی (عمومی)
پیش نمایش مقاله
رویکرد نابرابری یکپارچه چندگانه ویرینگر برای هماهنگ سازی شبکه های عصبی تصادفی
چکیده انگلیسی
This paper investigates the synchronization problem for a class of chaotic neural networks with discrete and unbounded distributed time delays under stochastic perturbations. Firstly, based on the Wirtinger-based double integral inequality, two novel inequalities are proposed, which are multiple integral forms of the Wirtinger-based integral inequality. Next, by applying the Jensen-type integral inequality for stochastic case and combining the Jensen integral inequality with the reciprocally convex combination approach, a delay-dependent criterion is developed to achieve the synchronization for the stochastic chaotic neural networks in the sense of mean square. In the case of no stochastic perturbations, by applying the reciprocally convex combination approach for high order case and a free-matrix-based inequality, novel delay-dependent conditions are established to achieve the synchronization for the chaotic neural networks. All the results are based on dividing the bounding of activation function into two subintervals with equal length. Finally, two numerical examples are provided to demonstrate the effectiveness of the theoretical results.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Optik - International Journal for Light and Electron Optics - Volume 127, Issue 24, December 2016, Pages 12023-12042
نویسندگان
, ,