中立型markov切换神经网络的指数稳定性研究

《中立型markov切换神经网络的指数稳定性研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、：＊Ｊ議罪咖鱗曲Ｕｆ＾亩瞭邏議哪？＊薪痕禱錢熱；巧巧篇知右知＂．；續黯算瑶；麟跳ｒ＂＇％掘薪，麵謂；：纖按擊解若獨葵：帘麵苗＂‘‘＂‘式＾歸蘇，巧始Ｖク＾ｔ气趨黎恕产當请＾惠；．＇’、＇、－＇．‘｜、．－＇．－．？’、巧式—＂；，＇．成知令＞ｉ．紙為＼Ｖ：＇ｖＶ：＇己；；：擁骑。搁经巧络巧＇ｉｉ当觀琴，；皆憔誦．．稳定锭研究．Ａ難嶺ｇ鷄％．ｙ＾＇巧始識聚錢聋减滿冷、郁孩’＇＇＇．．＇＇＇．‘＇＂＇＇＇＇￣＇．＾－、‘‘．．’＇－＇＇－与？＇

2、＾．：＾＞广、．．＾、苗：、＼《；游：、．．．者．李賴眶讀钻游靴名？：：翁’於．．＇‘．卑＇自动化与电子信忠学巧Ｖ壤．婆蠢為：；華袁赏谭？＇、’‘、’—也耳师、克？教授、．兴钓：、聲：嫂；：夢缀Ｖ券紙．寡扣編、＇－—＇’Ａｉ＇巧；＇吩．＇．请作皆控碱王备巧，賴＾心＇科学与町碱＾鄉、古－１’学科嘴賊Ｉ嘴韓訪於：边瑚絶批缉，款黃苗Ｉ＇：’’謎沪祭理论与挖斯工程＾；謹，細痛化節蓋■，＾於＇：：．Ｋ＇级，学Ｖ．话托聘幸嗦许ｓ＃；、：．．．．非秘系齡

3、冲控斯究．棘——辑—．；黄；费遺鑽菲ｆ．識麵難＇．期尊弟屬银巧，．—．ｇＪＬ也：，，寒诗；蠻ｉ參胃声ｓ＇ｐ，：日．年斯月狂学新日常户短期迫柳媒瓜矿髮予為游＇＇％＇ｗ＾－？：■；国内图书分类号：□□□□密级：国际图书分类号：□□.□□四川理工学院研究生学位论文中立型Markov切换神经网络的指数稳定性研究年级：2013级姓名：李浩儒申请学位级别：工学硕士专业：控制理论与控制工程指导教师：黎克麟教授二〇一六年五月中国·自贡ClassifiedIndex:U.D.C:Sichuan

4、UniversityofScience&EngineeringMasterDegreeThesisExponentialStabilityforNeutral-typeMarkovSwitchedNeuralNetworksGrade:2013Candidate:HaoruLiAcademicDegreeAppliedfor:MasterforEngineeringMajor:ControlTheory&ControlEngineeringSupervisor:Prof.KelinLiMay.20

5、16Zigong.China四川理工学院硕士研究生学位论文中立型Markov切换神经网络的指数稳定性研究专业：控制理论与控制工程研究生：李浩儒指导教师：黎克麟教授摘要中立型系统即含有中立型时滞的动力系统，对于状态滞后以及状态微分滞后都能够精确地描述，其广泛存在于科学实践以及工程应用中，例如化工中的反应器工作模型、无损传输线连接模型等等。另一方面，作为一种特殊的切换系统，Markov切换系统是由多个子系统所组成的，并且其通常含有三个主要特点：首先是该切换系统的组态通常是由一个连续时间有限状态的Mar

6、kov过程所进行描述；其次是该切换系统的状态由一个微分方程系统所表征；三是同时包含时间发展和事件驱动两种机制，可以模拟突变现象，如随机失效、元件的修复、子系统相互连接的变化、环境突变等，因而在工业制造、经济金融、通信等诸多领域中都可以看见Markov切换系统的身影。在现实运行以及信号传输的阶段当中，因为某些高科技设施通常具有Markov切换特性以及中立型时滞两个特性，所以在实际系统进行数学建模的时候往往利用中立型Markov切换系统建模来更加精确地刻画该系统的动力学特性。因此，本文基于建立适当的L

7、yapunov-Krasovskii泛函，结合线性矩阵不等式技术、自由权矩阵方法，穿插一些不等式约束技术(如Jensen不等式、reciprocallyconvexcombination不等式以及Wirtinger不等式)，合理运用伊藤积分公式，对中立型Markov切换神经网络的指数稳定性进行深入讨论。主要研究内容包括：（1）讨论了含有混合时滞的中立型Markov切换神经网络的指数稳定性的问题，并且基于相关方法建立了一类中立型Markov切换神经网络的线性矩阵不等式形式的时滞相关的指数稳定性判据；

8、（2）讨论了含有随机扰动和混合时滞的中立型Markov切换神经网络的指数稳定性问题，对于Itoˆ随机时滞微分方程问题的处理引入了适当的不等式，减小了算法的计算量，并且建立了线性矩阵不等式形式的时滞相关的稳定性判据。关键词：中立型系统；Markov切换；神经网络；指数稳定性；Lyapunov-Krasovskii泛函I四川理工学院硕士研究生学位论文ExponentialStabilityforNeutral-typeMarkovSwitchedNeuralNetworksMajor：