时滞切换不确定神经网络系统的指数稳定性*

薛焕斌 张继业

(1.韩山师范学院数学与统计学院, 潮州 521041) (2.西南交通大学牵引动力国家重点实验室, 成都 610031)

引言

细胞神经网络是由Chua和Yang在1988年提出的[1,2]. 此后的20多年里,细胞神经网络得到了广泛的研究, 并成功应用于信号处理、模式识别、移动图像重构和解非线性代数方程等[2-5]. 这些应用依赖于神经网络平衡点的存在性和稳定性[6-8]. 不管是生物还是人工神经网络, 神经元之间的相互作用一般是不同步的, 特别在网络的硬件实现中, 由于信号传输速度的有限性, 使网络系统中的时间滞后不可避免. 另一方面, 在神经网络中引入时间滞后参量后, 有利于移动目标的图像处理, 移动物体速度的确定和模式分类[9]. 但时间滞后量的引入, 可能使网络产生振荡和不稳定性. 而且在大多数情况下, 时间滞后量是难以精确测量的, 并且随着时间的改变不断变化, 事实上是无界的. 也就是说, 过去的所有时刻影响着现在的状态[10]. 再者, 由于外界扰动, 测量和建模误差等的存在, 神经网络模型一定含有影响其动力学行为的不确定性因素. 为了分析神经网络模型的鲁棒性, 一种合理的方法是假定参数属于已知的区间[11]. 因此, 对时滞区间神经网络模型的鲁棒稳定性研究具有理论和现实的重要性.

切换系统是一种混杂系统, 它由一系列的子系统和一个控制子系统之间切换规律的控制率组成. 最近, 切换系统受到越来越多的关注. 因为实际中很多系统(如生……