Resumen

En este documento, se investiga una clase de redes neuronales de difusión no lineal -Laplace BAM Cohen-Grossberg (BAM CGNNs) con retardos temporales. En el caso de con , los autores construyen una nueva función de Lyapunov para superar las dificultades matemáticas del modelo de difusión no lineal -Laplace con retardos temporales y con incertidumbres en los parámetros, derivando el criterio de estabilidad robusta basado en LMI aplicable a la caja de herramientas de LMI de MATLAB y eliminando la acotación de las funciones de amplificación. Y en el caso de , también se infieren condiciones suficientes basadas en LMI para la estabilidad de entrada-estado robusta de las redes neuronales BAM CGNNs de saltos Markovianos de reacción-difusión con control desencadenado por eventos, lo cual es diferente de los de muchas literaturas relacionadas previas. En particular, el papel de la difusión puede reflejarse en los criterios recién adquiridos. Finalmente, ejemplos numéricos

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Redes neuronales; Retardos temporales; Funcional de Lyapunov; Criterio de estabilidad; Caja de herramientas LMI de MATLAB; Reacción-difusión
• Keywords:Neural networks; Time delays; Lyapunov functional; Stability criterion; MATLAB LMI toolbox; Reaction-diffusion