參數(shù)依賴于馬爾科夫鏈的時(shí)滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析和狀態(tài)估計(jì).pdf

1、本文研究了一類含有馬爾科夫跳(MarkovianJumping)參數(shù)的神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析和狀態(tài)估計(jì)問(wèn)題。所考慮的神經(jīng)網(wǎng)絡(luò)模型既含有離散時(shí)滯又含有分布時(shí)滯，并且時(shí)滯是馬爾科夫模態(tài)依賴的。我們還進(jìn)一步假定了神經(jīng)網(wǎng)絡(luò)的外部輸入是一個(gè)白噪聲過(guò)程(whitenoise)。通過(guò)構(gòu)造新的Lyapunov函數(shù)和一些新的分析技巧，我們導(dǎo)出了所考慮的神經(jīng)網(wǎng)絡(luò)模型全局均方漸近穩(wěn)定的充分條件。另一方面，我們構(gòu)造神經(jīng)網(wǎng)絡(luò)的估計(jì)系統(tǒng)，通過(guò)選擇合適的狀態(tài)估計(jì)增益矩

2、陣，得到神經(jīng)網(wǎng)絡(luò)系統(tǒng)的均方狀態(tài)估計(jì)器。得到所導(dǎo)出的這些條件能表示成線性矩陣不等式(LMI)的形式，從而可借助于MatlabLMIToolbox有效地求解。這些結(jié)果被進(jìn)一步推廣含參數(shù)不確定的神經(jīng)網(wǎng)絡(luò)。最后，數(shù)值例子來(lái)說(shuō)明我們所提出的方法的有效性。全文共由三個(gè)部分組成．
　　 第一節(jié)簡(jiǎn)要概述了時(shí)滯神經(jīng)網(wǎng)絡(luò)研究的相關(guān)背景和意義，接著介紹了時(shí)滯神經(jīng)網(wǎng)絡(luò)動(dòng)力學(xué)研究工作的進(jìn)展。
　　 第二節(jié)闡述了本文要做的主要工作。