基于仿射Bessel-Legendre不等式和不确定转移率的神经网络稳定性

• 全文链接
• 请求原文

作   者：

王军义;  张文涛;  刘振伟;  姜杨; 

作者机构：

东北大学机器人科学与工程学院;  东北大学信息科学与工程学院; 

关键词：

马尔科夫神经网络系统;  不确定转移率;  增广Lyapunov-Krasovskii泛函;  仿射Bessel-Legendre(B-L)不等式; 

期刊名称：

控制理论与应用

i s s n：

1000-8152

年卷期：

2022 年 39 卷 001 期

页   码：

41-47

摘   要：

针对具有时变时滞和不确定转移率的马尔科夫神经网络系统,充分考虑马尔科夫转移率的不确定特性,利用基于松弛变量的有效技术代替传统不等式来约束转移速率中的不确定项,从而减少了决策变量的个数并降低了计算复杂度.通过建立时滞依赖的增广Lyapunov-Krasovskii泛函,并基于仿射Bessel-Legendre(B-L)不等式,给出依赖于时滞和时滞导数上下界的具有较小保守性的神经网络系统稳定条件.最后,通过两个数值例子说明了理论结果的有效性.