參數依賴于馬爾科夫鏈的時滯神經網絡穩(wěn)定性分析和狀態(tài)估計.pdf

1、本文研究了一類含有馬爾科夫跳(MarkovianJumping)參數的神經網絡的穩(wěn)定性分析和狀態(tài)估計問題。所考慮的神經網絡模型既含有離散時滯又含有分布時滯，并且時滯是馬爾科夫模態(tài)依賴的。我們還進一步假定了神經網絡的外部輸入是一個白噪聲過程(whitenoise)。通過構造新的Lyapunov函數和一些新的分析技巧，我們導出了所考慮的神經網絡模型全局均方漸近穩(wěn)定的充分條件。另一方面，我們構造神經網絡的估計系統(tǒng)，通過選擇合適的狀態(tài)估計增益矩

2、陣，得到神經網絡系統(tǒng)的均方狀態(tài)估計器。得到所導出的這些條件能表示成線性矩陣不等式(LMI)的形式，從而可借助于MatlabLMIToolbox有效地求解。這些結果被進一步推廣含參數不確定的神經網絡。最后，數值例子來說明我們所提出的方法的有效性。全文共由三個部分組成．
　　 第一節(jié)簡要概述了時滯神經網絡研究的相關背景和意義，接著介紹了時滯神經網絡動力學研究工作的進展。
　　 第二節(jié)闡述了本文要做的主要工作。