基于模態(tài)的隨機中立型神經網絡的自適應同步控制.pdf

1、眾所周知，神經網絡的穩(wěn)定與同步可被用于建立化學和生物系統(tǒng)，保密通信系統(tǒng)，信息科學，圖像處理等等領域。神經網絡的實用性吸引了許多學者去研究中立神經網絡的穩(wěn)定性問題。當誤差系統(tǒng)的狀態(tài)最終趨于零的時候，響應系統(tǒng)及驅動系統(tǒng)可實現(xiàn)同步。近年來，像自適應同步控制等控制方式被用于實現(xiàn)不同的同步問題，如廣義同步，滯后同步，相位同步等。
　　自從發(fā)現(xiàn)中立型模型可以描述一些實際物理系統(tǒng)，依賴于狀態(tài)時滯和狀態(tài)導數(shù)的中立型系統(tǒng)的穩(wěn)定型和同步的研究開始受到

2、關注。但中立型神經網絡的同步控制卻鮮有涉及。
　　如突然的環(huán)境擾動、元件失敗或修復或是子系統(tǒng)互聯(lián)的改變這樣的隨機與突然的變化可能會改變動態(tài)系統(tǒng)的表現(xiàn)?；谀B(tài)的神經網絡具有通過轉換（或跳變）不同的被馬爾可夫鏈所支配的模態(tài)，來描述這些變化的能力。因此，網絡的狀態(tài)空間同時包含了連續(xù)與離散的狀態(tài):網絡動態(tài)是連續(xù)的，而在不同模態(tài)間的馬爾可夫跳變則是離散的。
　　此外，在現(xiàn)實世界中，神經遞質的釋放及其他原因引起的波動可能會影響中立型神

3、經網絡的穩(wěn)定性。然而，由于算法上的實現(xiàn)難度，噪聲擾動很少被用于研究同步問題。在模型中加入噪聲擾動會使我們的結果在現(xiàn)實中的應用性更廣。在實際應用中，神經元的權重取決于電容電阻的值，其反映在參數(shù)的不確定性上。
　　有限的放大器轉換速度常常會帶來時滯，時滯表現(xiàn)了實際中復雜和無法預知的情況。然而，由于在一定時期內有大量帶不同尺寸和長度軸突的神經，神經訊號傳播通常是分布式的。因此，分布時滯會包含在本文的模型中。
　　由于以上這些原因，

4、本文主要研究了以下五個部分:
　　1)基于李亞普洛夫穩(wěn)定性定理和線性矩陣不等式數(shù)學方法，給出一些新的帶離散和分布時滯的中立型神經網絡的魯棒穩(wěn)定性標準;
　　2)基于李雅普諾夫穩(wěn)定性理論和線性矩陣不等式方法，研究帶混合時滯的中立型神經網絡，分析其全局指數(shù)穩(wěn)定性;
　　3)基于LaShall型的隨機微分時滯方程的不變性原理、隨機分析理論和自適應反饋控制技術，提出了一種自適應反饋控制器用于帶隨機擾動的中立型神經網絡的同步控制