時(shí)滯馬爾科夫跳躍神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性、耗散性和無(wú)源性分析.pdf

1、作為一類混雜隨機(jī)系統(tǒng)，時(shí)滯相關(guān)馬爾科夫跳躍神經(jīng)網(wǎng)絡(luò)的建立給我們提供了一種更為有效的處理實(shí)際復(fù)雜系統(tǒng)的思路。本文的主要討論了時(shí)滯相關(guān)馬爾科夫跳躍神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性，耗散性和無(wú)源性問(wèn)題。具體內(nèi)容主要包括以下：
　　1.針對(duì)一類雙時(shí)滯廣義馬爾科夫跳躍神經(jīng)網(wǎng)絡(luò)模型,構(gòu)造了模態(tài)相關(guān)的增廣Lyapunov? Krasovskii函數(shù)，借助于--free matrix based inequality和Reciprocally Convex來(lái)估計(jì)

2、積分交叉項(xiàng)問(wèn)題，得到了判定系統(tǒng)穩(wěn)定性和能耗性的改善條件。另外，得到的定理推廣到了雙時(shí)滯神經(jīng)網(wǎng)絡(luò)和單時(shí)滯神經(jīng)網(wǎng)絡(luò)，得到了判定系統(tǒng)穩(wěn)定性和無(wú)源性的條件。
　　2.針對(duì)一類不確定馬爾科夫時(shí)滯神經(jīng)網(wǎng)絡(luò)，分析了魯棒無(wú)源性問(wèn)題。通過(guò)完全時(shí)滯分段方法構(gòu)造了模態(tài)相關(guān)的Lyapunov?Krasovskii函數(shù)。利用Reciprocally Convex方法處理積分交叉項(xiàng)，得到具有更小保守性的時(shí)滯相關(guān)線性不等式穩(wěn)定條件。并將得到的定理推廣到時(shí)滯神經(jīng)

3、網(wǎng)絡(luò)，得到了判定系統(tǒng)無(wú)源性的條件。
　　3.針對(duì)一類不確定隨機(jī)馬爾科夫時(shí)滯神經(jīng)網(wǎng)絡(luò)，討論了其隨機(jī)全局魯棒無(wú)源性問(wèn)題。通過(guò)完全時(shí)滯分段方法構(gòu)造了模態(tài)相關(guān)的Lyapunov?Krasovskii函數(shù)和改善的自由權(quán)矩陣等式，得到了具有更小保守性的時(shí)滯相關(guān)線性不等式穩(wěn)定條件。并將得到的定理推廣到時(shí)滯隨機(jī)神經(jīng)網(wǎng)絡(luò)，得到了判定系統(tǒng)隨機(jī)全局魯棒無(wú)源性的條件。
　　4.通過(guò)數(shù)值仿真證實(shí)了本文方法的有效性，并與已有參考文獻(xiàn)比較，本文所得的結(jié)論