Resumen

Se investiga el problema de la estabilidad estocástica para una clase de redes neuronales con parámetros de salto markovianos y retardos distribuidos de forma continua. Los parámetros de salto se modelan como una cadena de Markov de tiempo continuo y estado finito. Al construir funcionales de Lyapunov-Krasovskii apropiados, se obtienen algunas condiciones de estabilidad novedosas en términos de desigualdades matriciales lineales (LMIs). Los criterios propuestos basados en LMIs son computacionalmente eficientes ya que pueden ser fácilmente verificados utilizando algoritmos recientemente desarrollados para resolver LMIs. Se proporciona un ejemplo numérico para mostrar la efectividad de los resultados teóricos y demostrar que los criterios basados en LMIs existentes en la literatura anterior fallan. Los resultados obtenidos en este documento mejoran y generalizan los presentados en la literatura previa.

• Materias:Sistema de ecuaciones Conjuntos de Julia Métodos espectrales Valor límite
• Subjects:System of equations Julia sets Spectral methods Boundary value
• Palabras claves:Redes neuronales; Estabilidad estocástica; Parámetros de salto de Markov; Retardos distribuidos continuamente; Funcionales de Lyapunov-Krasovskii; Desigualdades matriciales lineales
• Keywords:Neural networks; Stochastic stability; Markovian jump parameters; Continuously distributed delays; Lyapunov-Krasovskii functionals; Linear matrix inequalities