Robust synchronization of discontinuous Cohen-Grossberg neural networks: Pinning control approach

در این مسئله، همگام سازی قوی برای یک کلاس از شبکه های عصبی مصنوعی کوهن گروسبرگ مورد مطالعه قرار گرفته است که در آن فعال سازی های نورون توسط توابع مختلط (یا توابع ثابت مستقل) مدل سازی می شوند. پین کردن حالت بازخورد و کنترل کننده های انطباقی برای رسیدن به هماهنگی دقیق نمایشی قوی و هماهنگ سازی دقیق جهانی هماهنگ سازی شبکه های عصبی کوهن گروسبرگ مبتنی بر درایو-واکنش طراحی شده اند. با استفاده از نظریه نظریه تجزیه غیر صاف و روش عملکرد عمومی لیپانوف، برخی از معیارها نشان داده شده است که نشان می دهد که شبکه های عصبی مصنوعی کوهن گروسبرگ با عدم قطعیت پارامتر می توانند هماهنگ سازی قوی جهانی را تحقق بخشند. برخی از نمونه ها و شبیه سازی های عددی نیز برای تأیید اعتبار نتایج پیشنهادی نشان داده شده است.