This paper is concerned with the st

This paper is concerned with the stability analysis problem for uncertain stochastic discrete-time
recurrent neural networks with time-varying delay. By using linear matrix inequality method and discrete
Jensen inequality, a new Lyapunov–Krasovskii function is established to derive sufficient condition
for globally asymptotical stability in mean square of the recurrent neural networks with stochastic
disturbance. As an extension, we further consider the stability analysis problem for the same class of
neural networks but with uncertainty. It is shown that the newly obtained result is less conservative than
the existing ones when the described system is without disturbance and uncertainty. Meanwhile, the
computational complexity is reduced since less variable is involved. Two numerical examples are presented
to illustrate the effectiveness and the benefits of the proposed method.

ผลลัพธ์ (ไทย) 1:

กระดาษนี้เกี่ยวข้องกับปัญหาการวิเคราะห์เสถียรภาพแน่แบบเฟ้นสุ่มไม่ต่อเนื่องครั้งเครือข่ายประสาทเกิดซ้ำที่ มีความล่าช้าเวลาแตกต่างกัน โดยใช้วิธีอสมการเชิงเส้นเมตริกซ์ และแยกกันเจนเซนอสมการ ฟังก์ชันเลียปูนอฟ-Krasovskii ใหม่จัดตั้งขึ้นเพื่อได้รับเงื่อนไขที่เพียงพอสำหรับความมั่นคงทั่วโลก asymptotical ในค่าเฉลี่ยกำลังสองของเครือข่ายประสาทเกิดซ้ำกับแบบเฟ้นสุ่มรบกวน เป็นส่วนขยาย เราเพิ่มเติมพิจารณาปัญหาการวิเคราะห์เสถียรภาพในชั้นเดียวกันเครือข่ายประสาทแต่ มีความไม่แน่นอน มันแสดงให้เห็นว่าผลได้รับใหม่หัวเก่าน้อยกว่าคนที่มีอยู่เมื่อระบบอธิบายไว้โดยไม่รบกวนและความไม่แน่นอน ในขณะเดียวกัน การความซับซ้อนเชิงคำนวณจะลดลงเนื่องจากเกี่ยวข้องกับตัวแปรน้อยลง มีแสดงตัวอย่างตัวเลขเพื่อแสดงให้เห็นถึงประสิทธิภาพและประโยชน์ของวิธีการนำเสนอ

ผลลัพธ์ (ไทย) 2:

บทความนี้เป็นเรื่องที่เกี่ยวข้องกับปัญหาการวิเคราะห์เสถียรภาพสำหรับความไม่แน่นอนต่อเนื่องสุ่มเวลาเครือข่ายประสาทกำเริบที่มีความล่าช้าเวลาที่แตกต่างกัน โดยใช้วิธีการความไม่เท่าเทียมกันของเมทริกซ์เชิงเส้นและไม่ต่อเนื่องความไม่เท่าเทียมกันเซ่นใหม่ฟังก์ชั่น Lyapunov-Krasovskii จะจัดตั้งขึ้นเพื่อให้ได้เงื่อนไขที่เพียงพอเพื่อความมั่นคงทั่วโลกข้อมูลไม่จำกัด ในตารางเฉลี่ยของเครือข่ายประสาทกำเริบกับสุ่มรบกวน ในฐานะที่เป็นส่วนขยายของเรายังพิจารณาปัญหาการวิเคราะห์เสถียรภาพสำหรับระดับเดียวกันของเครือข่ายประสาท แต่กับความไม่แน่นอน มันแสดงให้เห็นว่าผลที่ได้รับใหม่เป็นอนุรักษ์นิยมน้อยกว่าที่มีอยู่เมื่อระบบอธิบายโดยไม่ต้องวุ่นวายและความไม่แน่นอน ในขณะที่ความซับซ้อนของคอมพิวเตอร์จะลดลงเนื่องจากตัวแปรน้อยที่มีส่วนเกี่ยวข้อง ตัวอย่างที่สองตัวเลขนั้นจะแสดงให้เห็นถึงประสิทธิภาพและผลประโยชน์ของวิธีการที่นำเสนอ

ผลลัพธ์ (ไทย) 3:

บทความนี้เกี่ยวข้องกับการวิเคราะห์เสถียรภาพ ปัญหาความสุ่มครั้ง
กำเริบเครือข่ายประสาทกับเวลาล่าช้า โดยใช้วิธีอสมการเมตริกซ์เชิงเส้นและไม่ต่อเนื่อง
เจนเซ่นความไม่เสมอภาค , ใหม่ krasovskii ฟังก์ชัน Lyapunov ) ก่อตั้งขึ้นเพื่อสืบทอด
เงื่อนไขที่เพียงพอสำหรับทั่วโลก asymptotical เสถียรภาพในหมายถึงตารางดำเนินการเครือข่ายประสาทกับการรบกวนอ

เป็นส่วนขยายที่เราเพิ่มเติม พิจารณาวิเคราะห์ปัญหาเสถียรภาพในระดับเดียวกันของ
โครงข่ายประสาทเทียมที่มีแต่ความไม่แน่นอน พบว่าได้ผลเป็นอนุรักษ์นิยมใหม่น้อยกว่า
ที่มีอยู่เมื่ออธิบายระบบโดยไม่มีการรบกวนและความไม่แน่นอนโดย
การคำนวณที่ซับซ้อนจะลดลงตั้งแต่ตัวแปรน้อย เกี่ยวข้อง สองตัวเลขตัวอย่างเสนอ
แสดงถึงประสิทธิผลและประโยชน์ของวิธีการที่ได้นำเสนอ