时滞Hopfield神经网络的随机稳定性分析  

Stochastic stability analysis of fuzzy Hopfield neural networks with time-varying delays

作　　者：王勇[1] 蒋真[1] 程思蔚[2] 

机构地区：[1]长沙理工大学计算机与通信工程学院,长沙410076 [2]长沙理工大学数学与计算科学学院,长沙410076

出　　处：《计算机工程与应用》2008年第16期60-62,82,共4页Computer Engineering and Applications

基　　金：湖南省自然科学基金(the Natural Science Foundation of Hunan Province of China under Grant No.05JJ40004);湖南省教育厅科研基金重点项目(the Research Project of Department of Education of Hunan Province,China under Grant No.07A056)

摘　　要：T-S模型提供了一种通过模糊集和模糊推理将复杂的非线性系统表示为线性子模型的方法。研究了时滞Hopfield神经网络的随机稳定性(SFVDHNNs)。首先描述了SFVDHNNs模型,然后用Lyapunov方法研究了SFVDHNNs全局均方指数稳定性,通过可以被一些标准的数值分析方法求解的线性矩阵不等式(LMIs)得出了稳定性标准。The ordinary Takagi Sugeno （T-S） fuzzy models have provided an approach to represent complex nonlinear systems to a set of linear sub-models by using fuzzy sets and fuzzy reasoning.In this paper,stochastic fuzzy Hopfield neural networks with time-varying delays （SFVDHNNs） are studied.The model of SFVDHNN is first established,then,the global exponential stability in the mean square for SFVDHNN is studied by using the Lyapunov-Krasovskii approach.Stability criterion is derived in terms of Linear Matrix Inequalities（LMIs）,which can be effectively solved by some standard numerical packages.

关 键 词：随机稳定性 HOPFIELD神经网络 均方指数稳定 时变系统 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]