Resumen

Este estudio investiga la acotacin en tiempo finito de las redes neuronales de saltos markovianos (MJNN) con retardos variables en el tiempo. Una MJNN consta de un nmero limitado de modos de salto en los que puede saltar a partir de un modo y luego al siguiente siguiendo un proceso markoviano con probabilidades de transicin conocidas. Mediante la construccin de nuevos candidatos funcionales LyapunovKrasovskii (LKF), Wirtingers ampliado, y la desigualdad doble de Wirtingers con mltiples trminos integrales y utilizando condiciones de funcin de activacin, se derivan varias condiciones suficientes para las redes neuronales de salto markovianas. Adems, se proponen condiciones adecuadas dependientes del retardo para garantizar que el sistema de bucle cerrado est acotado estocsticamente en tiempo finito (SFTB) con el nivel de rendimiento prescrito. Se utilizan desigualdades matriciales lineales para obtener los resultados del anlisis. El propsito es obtener condiciones menos conservadoras sobre el rendimiento en tiempo finito para redes neuronales de salto markoviano con retardo variable en el tiempo. Finalmente, se proporcionan ejemplos de simulacin para ilustrar la validez del mtodo abordado.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:estudio; redes neuronales de salto markoviano; retardos variables en el tiempo; funcional LyapunovKrasovskii; desigualdad doble de Wirtingers; desigualdades matriciales lineales
• Keywords:study; Markovian jump neural networks; time-varying delays; LyapunovKrasovskii functional; Wirtingers double inequality; linear matrix inequalities