切换时滞神经网络的状态估计

作     者：郑方婧 

作者单位：山东师范大学 

学位级别：硕士

导师姓名：田玉娟

授予年度：2023年

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）] 

主      题：切换神经网络 遗忘时滞 时变时滞 Lyapunov-Krasovskii泛函 平均驻留时间 状态估计器 

摘      要：神经网络是通过模拟人脑神经元网络结构而建立起来的一种大规模的非线性动力系统.由于复杂多变的实际环境,神经网络的结构可能会随着外部因素的改变而改变,因此切换思想被引入从而形成了切换神经网络.高度互连的切换神经网络为设计大规模并行处理器提供了框架,使得其在模式识别、图像处理、联想记忆等方面都有着广泛应用.此外,实际工程中描述系统动态规律的内部状态变量往往会出现不可测的情况,因此需要根据能获取的测量数据来估计系统的内部状态,即状态估计.近年来,切换神经网络的状态估计问题已经引起了越来越多的关注.本文主要讨论了切换时滞神经网络的状态估计问题,主要研究内容如下:首先,主要介绍了切换时滞神经网络的研究背景与研究现状,并给出了本文的基本结构及所需的部分定义和引理.其次,主要研究了同时具有遗忘时滞和时变时滞的切换神经网络的有限时间状态估计问题.通过构造时滞依赖的Lyapunov-Krasovskii(L-K)泛函,结合平均驻留时间(ADT)条件及自由权矩阵方法,给出了有限时间状态估计器存在的充分性判据,并且基于线性矩阵不等式(LMIs)设计了模态依赖的估计器增益.结合数值算例,验证了所得结论的有效性.最后考虑在遗忘时滞与时变时滞共同作用下,切换神经网络的指数状态估计问题.基于多L-K泛函方法,利用ADT和自由权矩阵等技术,得到了保证误差系统全局指数稳定的时滞依赖型判据,以LMIs的形式给出了期望估计器的存在条件和估计器增益设计.通过两个数值算例,进一步证明了所得结论的正确性和有效性.