A direct parameterized approach to global exponential stability of neutral-type Cohen–Grossberg neural networks with multiple discrete and neutral delays

参数化复杂度 人工神经网络 平衡点 同胚(图论) 独特性 指数稳定性 数学 理论(学习稳定性) 应用数学 类型(生物学) 计算机科学 控制理论(社会学) 拓扑(电路) 非线性系统 算法 数学分析 微分方程 人工智能 离散数学 机器学习 物理 组合数学 生物 控制(管理) 量子力学 生态学
作者
Xian Zhang,Yantao Wang,Xin Wang
出处
期刊:Neurocomputing [Elsevier]
卷期号:463: 334-340 被引量:19
标识
DOI:10.1016/j.neucom.2021.08.068
摘要

For a class of neutral-type Cohen–Grossberg neural networks with multiple discrete and neutral delays, the existence and uniqueness of equilibrium point are derived by the homeomorphism mapping theory between topology spaces. By proposing a direct parameterized approach that is based on a parameterized estimation of solutions, it is the first time to investigate a sufficient condition guaranteeing that the unique equilibrium point is globally exponentially stable. The stability condition contains only some very simple inequalities, which is easily solved by applying the toolbox YALMIP of MATLAB.Three numerical examples in literature are employed to demonstrate the effectiveness of the obtained criterion over the previously achieved ones. In addition, the proposed approach is different from the popular linear matrix inequality approach, since no Lyapunov–Krasovskii functional is required. Therefore, the obtained criterion can be evaluated as an important contribution to the stability issue of the considered neural networks. It is potential that the proposed approach is applied to stability issues of various types of neural networks.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
俭朴的一曲完成签到,获得积分10
刚刚
蜡笔小可完成签到,获得积分10
刚刚
大大大大管子完成签到 ,获得积分10
刚刚
大反应釜完成签到,获得积分10
3秒前
壮壮女士完成签到,获得积分10
4秒前
bkagyin应助帅气的祥采纳,获得10
5秒前
潇湘雪完成签到,获得积分10
6秒前
XIeXIe完成签到,获得积分10
6秒前
传奇3应助ok123采纳,获得10
7秒前
蛋花肉圆汤完成签到,获得积分10
8秒前
英俊的铭应助onedollar采纳,获得10
9秒前
Dr.FelixFan完成签到 ,获得积分10
10秒前
10秒前
zhu完成签到,获得积分10
11秒前
11秒前
12秒前
諵十一完成签到,获得积分10
14秒前
犹豫小海豚完成签到,获得积分10
14秒前
痴情的翠桃完成签到,获得积分10
15秒前
lvben发布了新的文献求助10
15秒前
ohh完成签到 ,获得积分20
15秒前
Clover04完成签到,获得积分10
15秒前
憨憨完成签到,获得积分10
16秒前
Singularity应助马尔斯采纳,获得10
17秒前
欧阳半仙完成签到,获得积分10
18秒前
小其发布了新的文献求助10
18秒前
杨老师完成签到 ,获得积分10
19秒前
MeOH拿桶接完成签到 ,获得积分10
19秒前
5433完成签到,获得积分10
22秒前
犹豫嚣完成签到,获得积分20
23秒前
酷波er应助lvben采纳,获得10
26秒前
29秒前
wxnice发布了新的文献求助10
31秒前
momo完成签到,获得积分10
34秒前
leezhen完成签到,获得积分10
34秒前
雅迪完成签到,获得积分10
34秒前
淡然的咖啡豆完成签到 ,获得积分10
39秒前
kais完成签到 ,获得积分10
40秒前
高贵的洋葱完成签到,获得积分10
40秒前
安玖完成签到,获得积分10
41秒前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Diagnostic immunohistochemistry : theranostic and genomic applications 6th Edition 500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 400
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3155034
求助须知:如何正确求助?哪些是违规求助? 2805782
关于积分的说明 7866201
捐赠科研通 2464114
什么是DOI,文献DOI怎么找? 1311735
科研通“疑难数据库(出版商)”最低求助积分说明 629742
版权声明 601862