文献

J-GLOBAL ID：201702217858095204   整理番号：17A0832684

遅延メムリスティブ(memristive)ニューラルネットワークのための非脆弱状態観測:連続時間事例と離散時間の場合【Powered by NICT】

Non-fragile state observation for delayed memristive neural networks: Continuous-time case and discrete-time case

著者 (6件)： Li Ruoxia (School of Mathematics, and Research Center for Complex Systems and Network Sciences, Southeast University, Nanjing 210096, China) ,  Cao Jinde (School of Mathematics, and Research Center for Complex Systems and Network Sciences, Southeast University, Nanjing 210096, China) ,  Cao Jinde (Department of Mathematics, Faculty of Science, King Abdulaziz University, Jeddah 21589, Saudi Arabia) ,  Alsaedi Ahmed (Nonlinear Analysis and Applied Mathematics (NAAM) Research Group, Department of Mathematics, Faculty of Science, King Abdulaziz University, Jeddah 21589, Saudi Arabia) ,  Hayat Tasawar (Department of Mathematics, Faculty of Science, King Abdulaziz University, Jeddah 21589, Saudi Arabia) ,  Hayat Tasawar (Department of Mathematics, Quaid-I-Azam University, Islamabad 44000, Pakistan)
資料名： Neurocomputing  (Neurocomputing)
巻： 245  ページ： 102-113  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 連続時間および離散時間両症例ともメムリスティブニューラルネットワークのための脆弱でない観測の話題を本論文で提供した。Lyapunov法を与えることにより,安定性の知見に対応する十分な評価基準は線形行列不等式(LMI)の形の,所望のオブザーバ利得は,LMIによる計算できるで提供した。差はmemrisitveモデルのパラメータが状態に依存するという事実を考慮した場合,駆動メムリスティブニューラルネットワークは区間パラメータをもつモデルに書き直したことがあり,異なる初期値を与えられた場合に,これはパラメータ不整合問題をもたらした。このように,ターゲットモデルへの本格的な取り組みを導入した新しいロバスト制御法。最後に,解析的設計は数値結果と実証した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 不整合 ,  *ニューラルネットワーク ,  利得 ,  ロバスト制御 ,  *連続時間系 ,  モデル ,  評価基準
準シソーラス用語： 初期値 ,  線形行列不等式 , 【Automatic Indexing@JST】

著者キーワード (4件)： 非脆弱 ,  状態オブザーバ ,  メムリスティブニューラルネットワーク ,  線形行列不等式

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  制御工学一般  (IC01000V)

タイトルに関連する用語 (5件)： 遅延 ,  ニューラルネットワーク ,  脆弱 ,  観測 ,  連続時間