Resumen

Este trabajo de investigación lleva a cabo una investigación de los problemas de estabilidad de modelos de redes neuronales de tipo Cohen-Grossberg de tipo neutral que poseen retardos en el tiempo discretos en los estados y retardos neutros discretos en las derivadas temporales de los estados de las neuronas. Al establecer una nueva función de Lyapunov generalizada apropiada, se proponen algunas condiciones suficientes novedosas para la estabilidad asintótica global de las redes neuronales de tipo neutral consideradas. Este artículo explota algunas propiedades básicas de las matrices en la derivación de los resultados que establecen un conjunto de relaciones matemáticas algebraicas entre los parámetros de red de este sistema neural. Una característica clave de los criterios de estabilidad obtenidos es ser independientes de los retardos en el tiempo y neutros. Por lo tanto, los resultados derivados pueden ser fácilmente probados. Además, se estudia un ejemplo numérico constructivo para verificar la verificación de las condiciones de estabilidad global presentadas.

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Investigación; Estabilidad; Red neuronal; Retrasos; Función de Lyapunov; Matrices
• Keywords:Research; Stability; Neural network; Delays; Lyapunov functional; Matrices