Resumen

Se investiga el problema de estabilidad exponencial para una clase de redes neuronales estocásticas (SNNs) con parámetros de salto markovianos, retardos mixtos en el tiempo y funciones de activación de Hélder inversas. Los parámetros de salto se modelan como una cadena de Markov de estado finito en tiempo continuo. En primer lugar, basándose en las propiedades del grado de Brouwer, se demuestra la existencia y unicidad del punto de equilibrio para SNNs sin perturbaciones de ruido. En segundo lugar, mediante el enfoque funcional de Lyapunov-Krasovskii, la teoría del análisis estocástico y la técnica de desigualdad de matrices lineales (LMI), se logran nuevos criterios suficientes dependientes del retardo en términos de LMIs para garantizar que las SNNs con perturbaciones de ruido sean globalmente exponencialmente estables en el sentido cuadrático medio. Por último, se proporcionan dos ejemplos de simulación para demostrar la validez de los resultados teóric

• Materias:Sistemas no lineales Dinámica no lineal Red de tráfico dinámico Algoritmo alométrico Sistema conmutado
• Subjects:Nonlinear systems Nonlinear dynamics Dynamic traffic network Allometric algorithm Switched system
• Palabras claves:Estabilidad exponencial; Redes neuronales estocásticas; Parámetros de salto de Markov; Retardos mixtos; Funciones de activación inversas de Holder; Enfoque funcional de Lyapunov-Krasovskii
• Keywords:Exponential stability; Stochastic neural networks; Markovian jump parameters; Mixed time delays; Inverse Holder activation functions; Lyapunov-Krasovskii functional approach