一种基于无源性理论的模糊Hopfield神经网络学习律设计方法
Passivity-based learning law design for a class of fuzzy Hopfield neural networks作者机构：莱芜职业技术学院机械与汽车工程系山东莱芜271100 浙江省物联感知与信息融合技术重点实验室浙江杭州310018 杭州电子科技大学信息与控制研究所浙江杭州310018
出 版 物：《控制理论与应用》 (Control Theory & Applications)
年 卷 期：2020年第37卷第2期
页 面：405-410页
核心收录：
学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
基 金：国家自然科学基金项目(61773146 61333009 U1509205 61703132 61427808)资助
主 题：模糊Hopfield神经网络 无源性 学习律 输入–状态稳定
摘 要：本文研究了一类模糊Hopfield神经网络系统的稳定性问题.首先,基于无源性理论,设计了一种新的权重学习律,并通过构造的模糊Lyapunov函数证明了系统从输入到输出是无源的.在此基础上,证明了系统在该学习律下是输入到状态稳定的.相比于传统的公共Lypaunov函数,本文所提的模糊Lyapunov函数能保证系统具有更好的性能.最后,通过数值仿真验证了所提方法的有效性.
维普期刊数据库
同方期刊数据库