论文部分内容阅读
本文研究了一类含有马尔科夫跳(MarkovianJumping)参数的神经网络的稳定性分析和状态估计问题。所考虑的神经网络模型既含有离散时滞又含有分布时滞，并且时滞是马尔科夫模态依赖的。我们还进一步假定了神经网络的外部输入是一个白噪声过程(whitenoise)。通过构造新的Lyapunov函数和一些新的分析技巧，我们导出了所考虑的神经网络模型全局均方渐近稳定的充分条件。另一方面，我们构造神经网络的估计系统，通过选择合适的状态估计增益矩阵，得到神经网络系统的均方状态估计器。得到所导出的这些条件能表示成线性矩阵不等式(LMI)的形式，从而可借助于MatlabLMIToolbox有效地求解。这些结果被进一步推广含参数不确定的神经网络。最后，数值例子来说明我们所提出的方法的有效性。全文共由三个部分组成．
第一节简要概述了时滞神经网络研究的相关背景和意义，接着介绍了时滞神经网络动力学研究工作的进展。
第二节阐述了本文要做的主要工作。
本文第三部分，首先引进了我们所要考虑的神经网络模型，通过构造新的Lyapunov函数，我们导出了神经网络均方指数稳定的充分条件，并推广到不确定的神经系统，我们还给出一个数值例子来说明我们的方法。
第四节讨论了神经网络系统的状态估计问题，我们导出了系统状态估计器的存在的LMI条件。