基于仿射Bessel-Legendre不等式和不确定转移率的神经网络稳定性
王军义1
张文涛1
刘振伟2
姜杨1
1.东北大学机器人科学与工程学院,辽宁沈阳1108192.东北大学信息科学与工程学院,辽宁沈阳110819
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.
关键词：马尔科夫神经网络系统不确定转移率仿射Bessel-Legendre(B-L)不等式增广Lyapunov-Krasovskii泛函
资助基金：国家自然科学基金(61903075)国家自然科学基金(U20A20197)辽宁省自然科学基金(2019–KF–03–02,2019–MS–116)中央高校基本科研业务费项目(N2026003)中央高校基本科研业务费项目(N2004014)中央高校基本科研业务费项目(N2126006)教育部春晖计划(LN2019006)辽宁省科技重大专项计划项目(2019JH1/10100005)辽宁省重点研发计划项目(2020JH2/10100040)
论文发表日期：2022-01-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 41-47 )
英文信息