Mean-square exponential input-to-state stability of stochastic delayed neural networks
Mean-square exponential input-to-state stability of stochastic delayed neural networks
复制标题
随机延迟神经网络的均方指数输入状态稳定性
DOI：
10.1016/j.neucom.2013.10.029
复制
发表时间：
2014-05
期刊：
影响因子：
6
通讯作者：
Cao Jinde
中科院分区：
文献类型：
--
作者：
朱全新;Cao Jinde
在本文中，我们重点研究一类随机延迟循环神经网络的稳定性问题。与传统的稳定性判据不同，我们引入并研究了一种新的稳定性判据：均方指数输入状态稳定性。据我们所知，这种新的稳定性标准从未在随机循环神经网络领域被讨论过。本文的主要目的是填补这一空白。借助 Lyapunov-Krasovskii 泛函、随机分析理论和 Itô 公式，我们证明了所解决的系统是均方指数输入状态稳定的。此外，还给出了两个数值算例及其仿真，很好地验证了理论结果。
In this paper, we focus on the stability problem for a class of stochastic delayed recurrent neural networks. Different from the traditional stability criteria, we introduce and study a new stability criterion: the mean-square exponential input-to-state stability. To the best of our knowledge, this new stability criterion has never been discussed in the field of stochastic recurrent neural networks. The main objective of the paper is to fill the gap. With the help of the Lyapunov–Krasovskii functional, stochastic analysis theory and Itô's formula, we prove that the addressed system is mean-square exponentially input-to-state stable. Moreover, two numerical examples and their simulations are presented to verify the theoretical results well.
登录
查看更多内容
DOI：
10.1016/j.neunet.2007.07.003
发表时间：
2007-09
期刊：
Neural networks : the official journal of the International Neural Network Society
影响因子：
--
作者：
He Huang;D. Ho;Yuzhong Qu
通讯作者：
He Huang;D. Ho;Yuzhong Qu
时变分布式延迟的随机反应扩散 BAM 神经网络的指数稳定性
影响因子：
4
作者：
朱全新;杨鑫松;李晓迪
通讯作者：
李晓迪
影响因子：
7.8
作者：
Hongyong Zhao;Nan Ding;Ling Chen
通讯作者：
Hongyong Zhao;Nan Ding;Ling Chen
DOI：
10.1016/j.cnsns.2008.04.001
发表时间：
2009-04
影响因子：
3.9
作者：
Weiwei Su;Yiming Chen
通讯作者：
Weiwei Su;Yiming Chen
DOI：
10.1016/j.mcm.2009.02.002
发表时间：
2009-07
期刊：
Math. Comput. Model.
影响因子：
--
作者：
José J. Oliveira
通讯作者：
José J. Oliveira