Resumen

Este documento aborda el problema de disipatividad robusta para redes neuronales recurrentes de intervalo (IRNNs) con funciones de activación generales, y con retraso continuo variable en el tiempo, y retraso distribuido infinito. Al emplear una nueva desigualdad diferencial, construir dos tipos diferentes de funciones de Lyapunov y abandonar la limitación de que las funciones de activación sean acotadas, monótonas y diferenciables, se establecen varias condiciones suficientes para garantizar la disipatividad exponencial robusta global para las IRNNs abordadas en términos de desigualdades matriciales lineales (LMIs) que pueden ser fácilmente verificadas por la Caja de Herramientas de Control LMI en MATLAB. Además, también se deriva la estimación específica de conjuntos invariantes positivos y atractivos exponenciales globales del sistema abordado. En comparación con la literatura previa, se muestra que los resultados obtenidos en este documento mejoran y extienden las conclusiones anteriores sobre disipatividad global. Finalmente,

• Materias:Ecuaciones diferenciales Dinámica de fragmentación Medios porosos Circuito abierto
• Subjects:Differential equations Fragmentation dynamics Porous media Open circuit
• Palabras claves:Redes neuronales recurrentes de intervalo; Funciones de activación generales; Retraso continuo variable en el tiempo; Desigualdades matriciales lineales; Disipatividad exponencial robusta global; Invariante positivo
• Keywords:Interval recurrent neural networks; General activation functions; Continuous time-varying delay; Linear matrix inequalities; Global robust exponential dissipativity; Positive invariant