文献

J-GLOBAL ID：201802228855969646   整理番号：18A1904821

事象トリガサンプリングによる非線形および確率結合Markovスイッチングネットワークの同期化【JST・京大機械翻訳】

Synchronization of Nonlinearly and Stochastically Coupled Markovian Switching Networks via Event-Triggered Sampling

著者 (4件)： Dong Hailing (School of Mathematics and Statistics, Shenzhen University, Shenzhen, China) ,  Zhou Jiamu (School of Mathematics and Statistics, Shenzhen University, Shenzhen, China) ,  Wang Bingchang (School of Control Science and Engineering, Shandong University, Jinan, China) ,  Xiao Mingqing (Department of Mathematics, Southern Illinois University, Carbondale, IL, USA)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 29  号： 11  ページ： 5691-5700  発行年： 2018年 
JST資料番号： T0881A  ISSN： 2162-237X  CODEN： ITNNEP  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,自己適応学習による事象誘発サンプリング(ETS)により,非線形および確率結合ネットワークの新しいアレイに対する指数同期問題を研究した。ネットワークは以下の特徴を含んでいる。1)ランダム構造結合を記述するためにBernoulli確率変数を導入した。2)正の平均を有する確率変数を用いて,結合強度をモデル化した。3)連続時間均一Markov連鎖を用いて,結合構造とピン止めノード集合の動的スイッチングを特性化した。提案したネットワークモデルは,ネットワーク操作中の外部環境の様々な確率的影響を捉えることができる。ネットワークの作業負荷を減らすために,ネットワーク自己適応学習のための異なるETS戦略を,それぞれ連続的および離散的監視の下で提案した。これらのETSアプローチに基づいて,確率的Lyapunov-Krasovskii関数,確率過程の特性,およびいくつかの線形行列不等式を採用することによって,同期化のためのいくつかの十分条件を引き出した。数値シミュレーションを提供し,理論結果の有効性と提案したETSアプローチの優位性を実証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ピン止め ,  Markov連鎖 ,  *ネットワーク ,  十分条件 ,  モデリング ,  連続時間系 ,  キャラクタリゼーション ,  学習 ,  *スイッチング
準シソーラス用語： 数値シミュレーション ,  適応学習 ,  外部環境 ,  確率変数 ,  自己適応 ,  *Markovスイッチング , 【Automatic Indexing@JST】

分類 (4件)： 計算機網  (JC03000K) ,  移動通信  (ND08030H) ,  信号理論  (ND02020G) ,  通信網  (ND07030A)

タイトルに関連する用語 (7件)： 事象 ,  トリガ ,  サンプリング ,  非線形 ,  確率 ,  Markovスイッチング ,  同期化