Resumen

Este artículo investiga el problema de los criterios de estabilidad dependientes para redes neuronales de tipo neutral con retardos mixtos variables en el tiempo. En primer lugar, se obtienen algunos resultados de estabilidad dependientes del retardo empleando un enfoque de partición más general y generalizando la famosa desigualdad de Jensen. En segundo lugar, basándose en un nuevo tipo de funcional de Lyapunov-Krasovskii con términos cruzados de variables, se proponen criterios de estabilidad menos conservadores en términos de desigualdades matriciales lineales (LMIs). Además, es la primera vez que la idea de combinación convexa de segundo orden y la propiedad de función convexa cuadrática aplicadas a la derivación de redes neuronales de tipo neutral juegan un papel importante en la reducción del conservadurismo del artículo. Finalmente, se presentan cuatro ejemplos numéricos para mostrar la efectividad y la ventaja del método propuesto.

• Materias:Modelado matemático Modelo de red neuronal Tasa de convergencia Aritmética Ondículas libres
• Subjects:Mathematical modeling Neural network model Convergence rate Arithmetic Free wavelets
• Palabras claves:Investiga; Criterios de estabilidad dependiente; Redes neuronales; Retardos variables en el tiempo; Función de Lyapunov-Krasovskii; Desigualdades matriciales lineales
• Keywords:Investigates; Dependent stability criteria; Neural networks; Time-varying delays; Lyapunov-Krasovskii functional; Linear matrix inequalities