比例时滞神经网络的全局多项式镇定性  

Global Polynomial Stabilization of Proportional Delayed Neural Networks

作　　者：王宇[1] 张诗茹 张渝佶 周立群[1] WANG Yu;ZHANG Shiru;ZHANG Yuji;ZHOU Liqun(School of Mathematics Science,Tianjin Normal University,Tianjin 300387,China)

机构地区：[1]天津师范大学数学科学学院,天津300387

出　　处：《吉首大学学报（自然科学版）》2022年第3期15-25,共11页Journal of Jishou University(Natural Sciences Edition)

基　　金：国家级大学生创新项目(202110065004);天津市普通高等学校本科教学质量与教学改革研究计划项目(B201006505);天津市自然科学基金项目(18JCYBJ85800)。

摘　　要：针对一类比例时滞神经网络,采用状态反馈控制器,在激活函数有界且满足Lipschitz条件下,通过构造适当的Lyapunov泛函,并利用平均值不等式及其分析技巧,研究了该神经网络的全局多项式镇定性和全局渐近镇定性,得到了几个时滞依赖的全局多项式镇定和全局渐近镇定的判定条件.For a class of proportional delayed neural networks,a state feedback controller is used.With the condition that the activation function is bounded and satisfies the Lipschitz condition,we analyze the global polynomial stabilization(GPS)and global asymptotic stabilization(GAS)of the studied system are analyzed by constructing appropriate Lyapunov functionals and using mean value inequality and inequality analysis skills.Several delay-dependent GPS and GAS conditions are obtained.

关 键 词：比例时滞 神经网络 LYAPUNOV泛函 平均值不等式 全局多项式镇定性 全局渐近镇定性 

分 类 号：O175[理学—数学] TP183[理学—基础数学]