标准神经网络模型,时滞,递归神经网络,鲁棒渐进稳定性,鲁棒指数稳定性,线性矩阵不等式," /> 标准神经网络模型,时滞,递归神经网络,鲁棒渐进稳定性,鲁棒指数稳定性,线性矩阵不等式,"/>
通过引入标准神经网络模型(SNNM), 为不同的递归神经网络(RNN)提供了一个统一分析框架. 针对时滞 SNNM 的鲁棒渐进稳定和指数稳定问题, 应用 Lyapunov 稳定性理论和 S 方法推导出基于线性矩阵不等式的充分条件. 将鲁棒指数稳定性问题转化为一个广义特征值问题, 既可以判断网络是否指数稳定, 又可以方便地估计其最大指数收敛率, 克服了以往方法中存在的不足. 给出了将其他 RNNs 转化为 SNNM 的实例, 并利用 SNNM 的相关结论对其进行了分析. 仿真结果表明, 该方法可以方便地对不同 RNN 的鲁棒稳定性进行分析, 且稳定性条件易于求解.
国家自然科学基金资助项目(60504024); 浙江省自然科学基金资助项目(Y106010).
张建海 张森林 刘妹琴. 新的时滞递归神经网络鲁棒稳定性分析方法[J]. J4, 2009, 43(3): 434-441.
ZHANG Jian-Hai, ZHANG Sen-Lin, LIU Mei-Qin. . J4, 2009, 43(3): 434-441.
http://www.zjujournals.com/xueshu/eng/CN/ 或 http://www.zjujournals.com/xueshu/eng/CN/Y2009/V43/I3/434
Cited