时滞标准神经网络模型及其应用

摘要：

提出一种新的神经网络模型-时滞标准神经网络模型(DSNNM),它由线性动力学系统和有界静态时滞非线性算子连接而成.利用不同的Lyapunov泛函和S方法推导出DSNNM全局渐近稳定性和全局指数稳定性的充分条件,这些条件可表示为线性矩阵不等式(LMI)形式.大多数时滞(或非时滞)动态神经网络(DANN)稳定性分析或神经网络控制系统都可以转化为DSNNM,以便用统一的方法进行稳定性分析或镇定控制.从DSNNM应用于时滞联想记忆(BAM)神经网络的稳定性分析以及PH中和过程神经控制器的综合实例,可以看出,得到的稳定性判据扩展并改进了以往文献中的稳定性定理,而且可将稳定性分析推广到非线性控制系统的综合.

关键词：时滞标准神经网络模型(DSNNM)、线性矩阵不等式(LMI)、稳定性、广义特征值问题(GEVP)、双向联想记忆(BAM)

所属期刊栏目：31

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金60374028

在线出版日期：2005-10-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：750-758