Ito型随机抛物型神经网络的指数稳定性.pdfVIP

第２９卷 第４期 湖南科技大学学报（自然科学版） Ｖｏｌ．２９Ｎｏ．４ ２０１４年　 １２月 ＪｏｕｒｎａｌｏｆＨｕｎａｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ） Ｄｅｃ．２０１４ ｄｏｉ：１０．１３５８２／ｊ．ｃｎｋｉ．１６７２－９１０２．２０１４．０４．０１６ ① ＾ Ｉｔｏ型随机抛物型神经网络的指数稳定性 赵碧蓉 （广州大学 数学与信息科学学院，广东 广州５１０００６） ＾ 摘　要：由高斯白噪声驱动的Ｉｔｏ型随机抛物型神经网络的稳定性，利用随机Ｌｙａｐｕｎｏｖ稳定性理论，Ｈａｌａｎａｙ不等式、改 进的积分不等式，得到了与扩散项及时滞相关的稳定性判据，该条件在实际中容易验证，最后给出了数值算例，验证所得结 果的有效性． ＾ 关键词：Ｉｔｏ随机系统；神经网络；指数稳定 中图分类号：ＴＰ２７３　　　文献标志码：Ａ　　　文章编号：１６７２－９１０２（２０１４）０４－００７９－０５ ＾ ＥｘｐｏｎｅｎｔｉａｌｓｔａｂｉｌｉｔｙｏｆＩｔｏｓｔｏｃｈａｓｔｉｃｐａｒａｂｏｌｉｃｎｅｕｒａｌｎｅｔｗｏｒｋｓ ＺＨＡＯＢｉｒｏｎｇ （ＳｃｈｏｏｌｏｆＭａｔｈｅｍａｔｉｃｓａｎｄＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅ，ＧｕａｎｇｚｈｏｕＵｎｉｖｅｒｓｉｔｙ，Ｇｕａｎｇｚｈｏｕ５１０００６，Ｃｈｉｎａ） ＾ Ａｂｓｔｒａｃｔ：ＡｃｌａｓｓｏｆＩｔｏｓｔｏｃｈａｓｔｉｃｐａｒａｂｏｌｉｃｎｅｕｒａｌｎｅｔｗｏｒｋｓｍｏｄｅｌｗａｓｃｏｎｓｉｄｅｒｅｄ．Ｔｈｅｅｘｐｏｎｅｎｔｉａｌ ｓｔａｂｉｌｉｔｙｃｏｎｄｉｔｉｏｎｏｆｔｈｅｓｙｓｔｅｍｓｗａｓｄｅｖｅｌｏｐｅｄｂｙｕｓｉｎｇｓｔａｂｉｌｉｔｙｔｈｅｏｒｙｏｆｓｔｏｃｈａｓｔｉｃｓｙｓｔｅｍａｎｄｉｍｐｒｏｖｅｄ ｉｎｔｅｇｒａｌｉｎｅｑｕａｌｉｔｙ．Ｔｈｅｃｏｎｄｉｔｉｏｎｓｗｅｒｅｄｉｆｆｕｓｉｏｎ－ｄｅｐｅｎｄｅｎｔ，ｗｈｉｃｈｗａｓｃｌｅａｒｌｙｍｏｒｅａｃｃｕｒａｔｅｔｈａｎｔｈｅ Ｐｏｉｎｃａｒｅ－ｔｙｐｅｉｎｅｑｕａｌｉｔｙｉｎｐｒｅｖｉｏｕｓｌｙｒｅｐｏｒｔｅｄｌｉｔｅｒａｔｕｒｅｓ．Ｆｉｎａｌｌｙ，ａｎｕｍｅｒｉｃａｌｓｉｍｕｌａｔｉｏｎｅｘａｍｐｌｅｗａｓ ｐｒｏｖｉｄｅｄｔｏｉｌｌｕｓｔｒａｔｅｔｈｅｆｅａｓｉｂｉｌｉｔｙａｎｄｅｆｆｅｃｔｉｖｅｏｆｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄ． ＾ Ｋｅｙｗｏｒｄｓ：Ｉｔｏｓｔｏｃｈａｓｔｉｃｓｙｓｔｅｍｓ；ｎｅｕｒａｌｎｅｔｗｏｒｋｓ；ｅｘｐｏｎｅｎｔｉａｌｓｔａｂｉｌｉｔｙ ＾ 　　神经网络模型是一种典型的非线性动力系统， 机干扰为高斯白噪声时，其数学模型是Ｉｔｏ随机偏 国内外研究者对诸如网络收敛算法，智能优化、稳 泛函微分方程［７－９］．本文研究由高斯白噪声驱动 定性、动态跟踪等做了大量研究，其研究结果见文 的抛物型神经网络的稳定性．利用随机 Ｌｙａｐｕｎｏｖ 献［１－３］等．如果系统状态变化不仅依赖于时间 稳定性理论，Ｈａｌａｎａｙ不等式、改进的积分不等式， 还与空间变量相关，则动态系统由偏微分方程来 得到了与时滞及扩散项相关的稳定性条件，该条件 描述．实际中，由于神经元的有