New passivity results for uncertain discrete-time stochastic neural networks with mixed time delays
New passivity results for uncertain discrete-time stochastic neural networks with mixed time delays
复制标题
具有混合时滞的不确定离散时间随机神经网络的新无源性结果
DOI：
10.1016/j.neucom.2010.04.019
复制
发表时间：
2010-10
期刊：
影响因子：
6
通讯作者：
Huijun Gao
中科院分区：
文献类型：
--
作者：
Hongyi Li;Chuan Wang;Peng Shi;Huijun Gao
研究了一类具有混合时滞的不确定离散时间随机神经网络的无源性分析问题。假设混合时滞为离散分布时滞，不确定性为时变范数有界参数不确定性。通过构造一种新的Lyapunov泛函，并引入适当的自由权重矩阵，得到了时滞相关无源性分析准则。此外，与已有的无源性结果不同，该方法通过估计Lyapunov泛函导数的上界来处理与离散时变时滞有关的附加有用项。这些准则可以在凸优化问题的框架下展开，然后通过标准的数值软件进行求解。最后，给出了一个数值算例，验证了所提结果的有效性。
This paper investigates the problem of passivity analysis for a class of uncertain discrete-time stochastic neural networks with mixed time delays. Here the mixed time delays are assumed to be discrete and distributed time delays and the uncertainties are assumed to be time-varying norm-bounded parameter uncertainties. By constructing a novel Lyapunov functional and introducing some appropriate free-weighting matrices, delay-dependent passivity analysis criteria are derived. Furthermore, the additional useful terms about the discrete time-varying delay will be handled by estimating the upper bound of the derivative of Lyapunov functionals, which is different from the existing passivity results. These criteria can be developed in the frame of convex optimization problems and then solved via standard numerical software. Finally, a numerical example is given to demonstrate the effectiveness of the proposed results.
登录
查看更多内容
DOI：
10.1109/78.709527
发表时间：
1998-09
期刊：
IEEE Trans. Signal Process.
影响因子：
--
作者：
Lihua Xie;M. Fu;Huaizhong Li
通讯作者：
Lihua Xie;M. Fu;Huaizhong Li
影响因子：
--
作者：
Z. Zeng;Jun Wang
通讯作者：
Z. Zeng;Jun Wang
DOI：
--
发表时间：
2008
期刊：
--
影响因子：
--
作者：
Li-hua Xia;Maohui Xia;Lechun Liu
通讯作者：
Li-hua Xia;Maohui Xia;Lechun Liu
DOI：
10.1137/060655110
发表时间：
2007-09
期刊：
SIAM J. Control. Optim.
影响因子：
--
作者：
Huijun Gao;Tongwen Chen;T. Chai
通讯作者：
Huijun Gao;Tongwen Chen;T. Chai
影响因子：
--
作者：
Yong He;Guoping Liu;D. Rees
通讯作者：
Yong He;Guoping Liu;D. Rees