Resumen

El problema de la pasividad se investiga para una clase de redes neuronales estocásticas inciertas con retardos variables en el tiempo, así como funciones de activación generalizadas. Mediante la construcción de funcionales de Lyapunov-Krasovskii apropiados, y empleando la formulación de Newton-Leibniz, el método de matriz de ponderación libre y técnicas de análisis estocástico, se establece un criterio dependiente del retardo para verificar la pasividad de las redes neuronales abordadas en términos de desigualdades matriciales lineales (LMIs), que pueden ser verificadas numéricamente utilizando la eficaz caja de herramientas LMI en MATLAB. Se presenta un ejemplo con simulación para mostrar la efectividad y menor conservadurismo del criterio propuesto. Cabe destacar que se eliminan las suposiciones tradicionales sobre la diferenciabilidad de los retardos variables en el tiempo y la acotación de su derivada.

• Materias:Ecuaciones diferenciales Ecuaciones hiperbólicas Vector de control
• Subjects:Differential equations Hyperbolic equations Control vector
• Palabras claves:Pasividad; Redes neuronales estocásticas inciertas; Retardo variable en el tiempo; Funciones de activación generalizadas; Funcionales de Lyapunov-Krasovskii; Desigualdades matriciales lineales
• Keywords:Passivity; Stochastic uncertain neural networks; Time-varying delay; Generalized activation functions; Lyapunov-Krasovskii functionals; Linear matrix inequalities