一类分数阶RNN模型的有限时间稳定性

向红军; 王金华

doi:10.13471/j.cnki.acta.snus.2019.10.31.2019A094

您当前的位置：

首页 >

文章列表页 >

一类分数阶RNN模型的有限时间稳定性

研究论文 | 更新时间：2023-12-08

- 一类分数阶RNN模型的有限时间稳定性
- Finite-time-stability of a class of fractional order recurrent neural networks
- 中山大学学报(自然科学版) 2021年60卷第3期页码：174-180
- 作者机构：
  
  湘南学院数学与金融学院，湖南郴州 423000
- 作者简介：
  
  向红军（1967年生），男；研究方向：神经网络；E-mail：hunxhjxhj67@126.com
  王金华（1968年生），女；研究方向：分数阶微分差分方程；E-mail：hunwjh@163.com
- 基金信息：
  
  国家自然科学基金(12071395;11701487);2020年度国家级一流本科建设点（2020）
- DOI：10.13471/j.cnki.acta.snus.2019.10.31.2019A094
  中图分类号： O175.13
- 纸质出版日期：2021-05-25，
  
  网络出版日期：2020-11-05，
  
  收稿日期：2019-10-31，
  
  录用日期：2020-10-11
扫描看全文
向红军,王金华.一类分数阶RNN模型的有限时间稳定性[J].中山大学学报(自然科学版),2021,60(03):174-180.

XIANG Hongjun,WANG Jinhua.Finite-time-stability of a class of fractional order recurrent neural networks[J].Acta Scientiarum Naturalium Universitatis Sunyatseni,2021,60(03):174-180.
向红军,王金华.一类分数阶RNN模型的有限时间稳定性[J].中山大学学报(自然科学版),2021,60(03):174-180. DOI： 10.13471/j.cnki.acta.snus.2019.10.31.2019A094.

XIANG Hongjun,WANG Jinhua.Finite-time-stability of a class of fractional order recurrent neural networks[J].Acta Scientiarum Naturalium Universitatis Sunyatseni,2021,60(03):174-180. DOI： 10.13471/j.cnki.acta.snus.2019.10.31.2019A094.

摘要

基于激励函数的Lipschitz条件，研究了一类分数阶RNNs神经网络模型平衡点的存在唯一性。结合不等式技巧，得到了该系统平衡点的有限时间稳定性的一个充分条件，并给出一个实例说明结果的有效性。

Abstract

Based on Lipschitz condition of activation functions， a class of fractional-order recurrent neural networks is discussed. Combining with inequality technique， the existence， uniqueness and finite- time-stability of the solutions for this model are studied. An example is given to ensure the main results in the last.

关键词

递归神经网络分数阶有限时间稳定性

Keywords

recurrent neural networksfractional-orderfinite-time-stability

references

HOPFIELD J J．Neural networks and physical systems with emergent collective computational abilities ［C］. Proceeding of the National Academy of Sciences of the United States of America，1982： 2554-2558．

SUN C Y， ZHANG K J， FEI S M， et al. On exponential stability of delayed neural networks with a general class of activation functions ［J］.Physics Letters A，2002，298： 122-132.

陈钢，王占山.连续时间递归神经网络的稳定性分析［J］.沈阳理工大学学报，2007，26（2）： 1-4.

CHEN G， WANG Z S. An analysis on the stability of continuous-time recursive neural networks ［J］. Transactions of Shenyang Ligong University，2007，26（2）： 1-4.

李冠军，徐进. 时滞递归神经网络的全局稳定性的新判据［J］.华中师范大学学报（自然科学版），2009， 43（3）： 384-387.

LI G J，XU J.New criteria for global stability of recurrent neural networks with delays ［J］.Journal of Huazhong Normal University（Nat Sci），2009， 43（3）： 384-387.

张建海，周文晖，孔万增.时滞递归神经网络鲁棒稳定性分析的统一方法［J］.华中科技大学学报（自然科学版），2009，37（6）： 28-31.

ZHANG J H，ZHOU W H，KONG W Z.Unified approach for robust stability analysis of delayed recurrent neural networks ［J］.Journal Huazhong Univ of Sci & Tech （Natural Science Edition），2009，37（6）： 28-31.

XIANG H J，CAO J D. Almost periodic solutions of recurrent neural networks with continuously distributed delays ［J］. Nonlinear Analysis，2009，71： 6097-6108.

张际雄，李小柳，周伟松.对一类时变时滞递归神经网络的全局渐进稳定性充分性条件的研究［J］.绵阳师范学院学报，2014，33（8）： 28-33.

ZHANG J X，LI X L，ZHOU W S.On global asymptotical stability analysis of recurrent neural networks with time-varying delays ［J］. Journal of Mianyang Normal University，2014，33（8）： 28-33.

PAN Q F， ZHANG Z F.Exponential stability of a class of stochastic delay recurrent neural network ［J］.数学杂志，2014，34（3）： 487-496.

邢广霞，高岩波.带有时变时滞的递归神经网络的稳定性分析［J］.南通大学学报（自然科学版）， 2015，14（3）： 12-20.

XING G X，GAO Y B.Stability analysis for recurrent neural networks with time-varying delay ［J］.Journal of Nantong University（Natural Science Edition），2015，14（3）： 12-20.

赵宁，周立群.一类具多比例时滞递归神经网络的全局指数稳定性［J］.工程数学学报，2016，33（5）： 450-462.

ZHAO N， ZHOU L Q.Global exponential stability of a class of recurrent neural networks with multi-proportional delays ［J］.Chinese Journal of Engineering Mathematics，2016，33（5）： 450-462.

邢琳，周立群. 一类具比例时滞递归神经网络的全局稳定性及仿真［J］.天津师范大学学报（自然科学版），2019，39（4）： 13-17+27.

XING L，ZHOU L Q.Global stability and simulation of a class of recurrent neural networks with proportional delays ［J］.Journal of Tianjin Normal University（Natural Science Edition），2019，39（4）： 13-17+27.

BAO G， CHEN Y Y，WEN S Y，et al.Stability analysis for memristive recurrent neural network and its application to associative memory ［J］.Acta Automatica Sinica，2017， 43（12）： 2244-2252.

刘凤秋，邱敏. 一类忆阻递归神经网络的全局指数稳定性［J］.黑龙江大学自然科学学报，2018，35（4）： 407-412.

LIU F Q，QIU M.Global exponential stability of a class of memristor-based recurrent neural networks ［J］.Journal of Natural Science of Heilongjiang University，2018，35（4）： 407-412.

ANASTASIO T J. Non-uniformity in the linear network model of the oculomotor integrator produces approximately fractional-order dynamics and more realistic neuron behavior ［J］.CyberneticsBiological， 1998，79（5）： 377-391.

BOROOMAND A， MENHAJ M B.Fractional-order Hopfield neural networks ［C］// Proceedings of International Conference on Neural Information Processing， 2008： 883-890.

哈金才，杨洪福，张启敏.分数阶模糊时滞神经网络模型解的存在唯一性和有限时间稳定性［J］.数学杂志， 2016，36（6）： 1261-1272.

HA J C，YANG H F，ZHANG Q M.Existence，Uniqueness and finite time stability of fractional order fuzzy neural networks with delay ［J］.Journal of Math， 2016，36（6）： 1261-1272.

张硕.基于李雅普诺夫方法的分数阶神经网络动力学分析及控制［D］.北京：北京交通大学，2017.

ZHANG S.Dynamical analysis and control of fractional-order neural networks based on Lyapunov method ［D］.Beijing：Beijing Jiaotong University，2017.

王金华，赵育林，向红军.分数微分方程m点边值问题解的存在性与唯一性［J］.中山大学学报（自然科学版），2011，50（1）：4-8.

WANG J H，ZHAO Y L，XIANG H J.Existence and uniqueness for m-point boundary value problem of fractional differential equation ［J］.Acta Scientiarum Naturalium Universitatis Sunyatseni，2011，50（1）： 4-8.

王金华，向红军，赵育林.一类非线性分数阶差分方程边值问题解的存在性及Ulam稳定性［J］.中山大学学报（自然科学版），2016，55（2）： 1-6+13.

WANG J H，XIANG H J，ZHAO Y L.Existence and Ulam stability of solutions for a boundary value problem of nonlinear fractional difference equation ［J］.Acta Scientiarum Naturalium Universitatis Sunyatseni，2016，55（2）： 1-6+13.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据