Centralized and decentralized global outer-synchronization of asymmetric recurrent time-varying neural network by data-sampling

در این مقاله، ما در مورد هماهنگ سازی بیرونی شبکه های عصبی متغیر زمانبندی متناوب متناوب متناظر بحث می کنیم. با استفاده از اصول نمونه برداری دوگانه متمرکز و غیر متمرکز، ما چندین شرایط کافی بر مبنای هنجارهای بردار ایجاد می کنیم تا تضمین کنیم که تفاوت هر دو مسیر از مقادیر اولیه شبکه شبکه عصبی به صفر می رسد. مرزهای پایینی فواصل زمانی مشترک بین نمونه های داده در اصول متمرکز و غیر متمرکز ثابت شده است که مثبت است، که مانع از رد رفتار رفتار زنو می شود. یک مثال عددی برای نشان دادن کارایی نتایج نظری ارائه شده است.