一类具有马尔科夫跳变的时滞神经网络的自适应估计  

Adaptive State Estimation for Neural Network with Time-Delay and Markov Jump

作　　者：李研[1] 童东兵[1] 何德东 甘维轩 张颖[1] 吴健珍[1] 

机构地区：[1]上海工程技术大学电子电气工程学院,上海201620

出　　处：《上海工程技术大学学报》2015年第3期222-225,共4页Journal of Shanghai University of Engineering Science

基　　金：上海市自然科学基金资助项目(15ZR1419000);上海高校青年教师培养计划资助项目(ZZGCD15004);上海工程技术大学人才行动计划资助项目(nhrc-2015-18);上海工程技术大学博士科研启动基金资助项目(校启2015-21;校启2015-48;校启2015-79);上海市大学生创新训练计划资助项目(cs1502006;cs1502009;cs1502010)

摘　　要：研究了一类具有马尔科夫跳变的时滞神经网络的自适应状态估计问题.通过李雅普洛夫稳定定理和M-矩阵的方法,得到时滞神经网络的几乎渐近稳定,并设计得到该系统的状态估计器和相应的反馈增益更新律.同时,用数值例子验证了所提出方法的有效性.The issue of state estimation for neural networks with time-delays and Markov jump was studied. By the Lyapunov stability and M-matrix method,asymptotical stability was obtained for neural networks with timedelays and Markov jump. And then,the state estimator and the feedback gain were designed for the system. A numerical example was given to demonstrate the effectiveness of the proposed method.

关 键 词：神经网络 时滞 自适应估计 渐近稳定 马尔科夫跳变 

分 类 号：O175.13[理学—数学]