轉移率部分未知的Markov跳變神經網絡的穩定性

劉 月

?

轉移率部分未知的Markov跳變神經網絡的穩定性

劉 月

（鐵嶺師范高等專科學校理學院 遼寧鐵嶺 112000）

研究了具有 Markov 跳躍和區間時變時滯神經網絡系統的穩定性問題。此類Markov跳變神經網絡系統的轉移概率矩陣元素部分未知，因而更具有一般性。通過建立新穎的增廣Lyapunov泛函和應用反凸組合技術，得到了含有轉移概率部分未知的 Markov 跳變神經網絡的穩定準則。提出的方法不需要知道轉移概率矩陣中未知元素的任何信息，增加了結果的使用范圍。同時，得到的穩定性準則依賴于時滯的上下界。最后, 通過數值仿真驗證了所得結果的正確性。

轉移率部分未知 神經網絡Markov 跳變 反凸組合技術

神經網絡已應用到各個領域，比如：聯想記憶、圖像處理、組合優化、模式識別[1,2]，因此受到人們的廣泛關注。由于時滯對神經網絡的穩定性有很大的影響，因此，與變時滯相關的神經網絡系統穩定性問題受到廣泛的研究。

在實際應用中，由于模型誤差、外部擾動、參數變化等因素無法消除，系統常常受到各種隨機因素的干擾，從而使隨機系統的研究得到了廣泛關注。關于馬爾科夫系統問題的相關研究中，大多假設轉移概率完全已知[3,4]，然而在實際工程應用中，完全得到轉移概率的全部信息十分困難，因此，對轉移概率部分未知的 Markov 系統的研究是十分必要的。目前，大多數研究是針對轉移概率部分未知的 Markov 線性系統的，然而，轉移概率部分未知隨機神經網絡的研究不多。……