Resumen

Se desarrolla un enfoque innovador de análisis de estabilidad para una clase de redes neuronales estocásticas de tiempo discreto (DSNNs) con retardos variables en el tiempo. Mediante la construcción de un nuevo candidato funcional de Lyapunov-Krasovskii a trozos, se presenta una nueva desigualdad de suma para tratar con elementos de suma sin ignorar ningún elemento útil, ya no es necesaria la transformación del modelo, y se añaden las matrices de ponderación libres para reducir el conservadurismo en la derivación de nuestros resultados, por lo que cabe esperar la mejora de la eficiencia computacional. También se ofrecen ejemplos numéricos y simulaciones para demostrar la eficacia y el menor conservadurismo de los criterios propuestos.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:enfoque innovador de análisis de estabilidad, matrices de ponderación libres, nueva desigualdad de suma, nuevo lyapunov a trozos, redes neuronales estocásticas, tiempo, ejemplos numéricos, eficiencia computacional, candidato funcional, menor conservadurismo
• Keywords:innovative stability analysis approach, free weighting matrices, new sum inequality, novel piecewise lyapunov, stochastic neural networks, time, numerical examples, computational efficiency, functional candidate, less conservatism