Resumen

Se considera una clase de modelos de redes neuronales dinámicas con retardos variables en el tiempo. Empleando el método funcional de Lyapunov-Krasovskii y la técnica de desigualdades matriciales lineales (LMIs), se obtienen algunas nuevas condiciones suficientes que garantizan la propiedad de estabilidad de entrada-estado (ISS) de los sistemas de redes no lineales. Finalmente, se proporcionan ejemplos numéricos para ilustrar la eficacia de los resultados obtenidos.

• Materias:Ecuaciones diferenciales Método numérico Soluciones múltiples Campos cuadráticos
• Subjects:Differential equations Numerical method Multiple solutions Quadratic fields
• Palabras claves:Modelos de redes neuronales; Retardos variables en el tiempo; Método funcional de Lyapunov-Krasovskii; Desigualdades matriciales lineales; Estabilidad de entrada al estado; Ejemplos numéricos
• Keywords:Neural network models; Time-varying delays; Lyapunov-Krasovskii functional method; Linear matrix inequalities; Input-to-state stability; Numerical examples