Resumen

En este artículo se presentan más resultados sobre la robustez de la estabilidad exponencial global de una red neuronal recurrente con argumentos constantes por tramos y términos neutros (NPRNN) sujetos a pesos de conexión inciertos. Estimar los límites superiores de las dos categorías de factores de interferencia y establecer un mecanismo de medición para los pesos de conexión dobles inciertos son las tareas y desafíos centrales. Por lo tanto, por un lado, se proporcionan nuevos criterios suficientes para los límites superiores de los términos neutros y los argumentos por tramos para garantizar la estabilidad exponencial global de la NPRNN. Por otro lado, la región cerrada permitida de pesos de conexión dobles se caracteriza por una ecuación trascendental de cuatro variables basada en la NPRNN estable previa. De esta manera, dos factores de interferencia y pesos de conexión dobles inciertos están mutuamente restringidos en el modelo de NPRNN con incertidumbre de parámetros, lo que lleva a una relación de evolución dinámica

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Resultados; Estabilidad exponencial global; Red neuronal recurrente; Argumentos constantes por tramos; Términos neutros; Pesos de conexión inciertos
• Keywords:Results; Global exponential stability; Recurrent neural network; Piecewise constant arguments; Neutral terms; Uncertain connection weights