Resumen

El documento investiga el problema de estimación de estado para una clase de redes neuronales recurrentes con información de datos muestreados y retardos variables en el tiempo. El propósito principal es estimar los estados de las neuronas a través de mediciones muestreadas de salida; se propone un novedoso esquema de activación de eventos, que puede llevar a una reducción significativa de la carga de comunicación de información en la red; la característica de este esquema es que si los datos muestreados deben transmitirse o no se determina por los datos muestreados actuales y el error entre los datos muestreados actuales y los datos transmitidos más recientes. Al usar un enfoque de entrada retardada, el sistema dinámico de error es equivalente a un sistema dinámico con dos retardos variables en el tiempo diferentes. Basándose en el enfoque funcional de Lyapunov-Krasovskii, un estimador de estado de las redes neuronales consideradas puede lograrse resolviendo algunas desigualdades matriciales lineales, lo cual puede facilitarse fácilmente utilizando el software numérico

• Materias:Ecuaciones diferenciales Método numérico Soluciones múltiples Campos cuadráticos
• Subjects:Differential equations Numerical method Multiple solutions Quadratic fields
• Palabras claves:Redes neuronales; Estimación de estado; Recurrente; Datos muestreados; Retardos variables en el tiempo; Esquema disparado por eventos
• Keywords:Neural networks; State estimation; Recurrent; Sampled-data; Time-varying delays; Event-triggered scheme