Resumen

Con miras a la interferencia de los argumentos constantes por partes (PCAs) y los términos neutros (NTs) en el sistema original y las aplicaciones significativas en el proceso de transmisión de señales, exploramos la robustez de la estabilidad global exponencial (EGS) de la red neuronal recurrente (RNN) con PCAs y NTs (NPRNN). Surgen los siguientes desafíos: ¿cuál es el rango de PCAs y el alcance de los NTs que NPRNN puede tolerar para ser exponencialmente estable? Así que derivamos dos indicadores importantes: la longitud máxima del intervalo de PCAs y el alcance del coeficiente de compresión de términos neutros (NT) para que NPRNN sea exponencialmente estable. Además, demostramos teóricamente que si la longitud del intervalo de PCAs y el límite del coeficiente de compresión de NT son ambos inferiores a los resultados dados aquí, la NPRNN perturbada seguirá manteniendo la estabilidad exponencial global. Finalmente, hay dos ejemplos numéricos para verificar la

• Materias:Modelo Matemático Gestión ambiental Sistemas dinámicos Datos estructurales Sistema inalámbrico
• Subjects:Mathematical model Environmental management Dynamic systems Structural data Wireless system
• Palabras claves:Aplicaciones; Estabilidad; Red neuronal; Global; Longitud del intervalo; Coeficiente de compresión
• Keywords:Applications; Stability; Neural network; Global; Interval length; Compression coefficient