典型文献
基于仿射Bessel-Legendre不等式和不确定转移率的神经网络稳定性
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
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,辽宁沈阳110819;东北大学信息科学与工程学院,辽宁沈阳110819
文献出处：
引用格式：
[1]王军义;张文涛;刘振伟;姜杨-.基于仿射Bessel-Legendre不等式和不确定转移率的神经网络稳定性)[J].控制理论与应用,2022(01):41-47
A类：
不确定转移率,马尔科夫神经网络系统
B类：
仿射,Bessel,Legendre,不等式,网络稳定性,时变时滞,松弛变量,有效技术,不确定项,决策变量,计算复杂度,立时,增广,Lyapunov,Krasovskii,导数,上下界,保守性,系统稳定,稳定条件,例子
AB值：
0.268726
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
