论文部分内容阅读
近年来，由于神经网络在模式识别、智能计算、联想记忆、语音识别、数据挖掘等工程领域的广泛应用和切换系统在控制工程中的重要应用，切换神经网络模型的动力学问题引起了学术界的广泛关注。 在研究切换神经网络的控制问题时，一般假设控制器和子系统切换是完全匹配的，即二者在切换律下同步运行，我们把它称为同步切换系统。然而，在实际工程的一些复杂大系统中，识别运行的子系统和确定匹配的控制器需要耗费一定的时间，那么控制器切换可能会滞后相应子系统切换，从而出现异步切换的现象。因此，研究同步和异步切换问题是十分必要和重要的。 本文利用Lyapunov-Krasovskii泛函方法，平均驻留时间(ADT)方法以及线性矩阵不等式(LMI)方法结合随机分析方法和推广的詹森不等式技巧等方法，研究了切换Cohen-Grossberg神经网络模型的动力学行为。本文主要研究内容如下: 针对具有切换的时滞Cohen-Grossberg神经网络模型，放弃大多数文献要求系统具有唯一平衡点的假设，利用时滞依赖的条件和线性矩阵不等式方法，获得了在平均驻留时间切换下系统的一致最终有界性、吸引子的存在性、全局指数稳定性与时滞依赖的判别条件。另外，通过一个数值例子验证了得出结果的有效性。 研究了具有无界分布时滞及不确定性的切换随机Cohen-Grossberg神经网络模型，在范数有界的参数不确定性和白噪声干扰的情形下，利用随机分析方法，伊藤微分公式，线性矩阵不等式和平均驻留时间方法，得到了切换随机Cohen-Grossberg神经网络的随机一致最终有界、随机吸引子的存在性、均方指数稳定性成立的一系列充分条件。最后，运用Matlab进行了实例说明和数值模拟。 分析了异步切换和变化时滞的随机Cohen-Grossberg神经网络模型的渐进行为，利用推广的二重时滞依赖的积分不等式，得到了新的时滞依赖的条件。通过分析匹配时间段和不匹配时间段，通过采用线性矩阵不等式和平均驻留时间方法以及伊藤微分公式保证了异步切换随机Cohen-Grossberg神经网络在平均驻留时间切换下的有界性、吸引子存在性、稳定性等一系列与变化时滞相关的新准则。最终数值模拟的结果和我们的理论相一致。