Sincronización de datos de muestreo límite de redes neuronales de difusión de reacción retardada

Área de la Ciencia:

• La neurociencia
• Teoría de control
• Matemáticas aplicadas

Sus antecedentes:

• Las redes neuronales de difusión de reacción retardada (RDNNs) son cruciales en el modelado de fenómenos espaciotemporales complejos.
• La sincronización de estas redes es esencial para su funcionamiento fiable en diversas aplicaciones.
• Las condiciones límite de Neumann y los retrasos distribuidos y discretos presentan desafíos significativos para lograr la sincronización.

Objetivo del estudio:

• Proponer una nueva estrategia de control de datos de muestreo de frontera (SD) para sincronizar los RDNN retrasados.
• Desarrollar criterios de sincronización sólidos aplicables a las RDNN con condiciones límite de Neumann y varios tipos de retraso.
• Demostrar la viabilidad práctica y la eficacia del método de control propuesto.

Principales métodos:

• Desarrollo de un esquema de control de datos de muestreo de frontera que utilice mediciones de SD de frontera y distribuidas.
• Aplicación de la teoría de la estabilidad de Lyapunov y técnicas avanzadas de desigualdad para derivar condiciones de sincronización.
• Formulación de la determinación de la ganancia de control utilizando las desigualdades de la matriz lineal (LMIs).

Principales resultados:

• Criterios de sincronización establecidos para RDNN con retraso bajo el control de SD de límite propuesto.
• Se obtienen con éxito las ganancias de control de SD límite mediante la resolución de LMI.
• Validación de los hallazgos teóricos mediante una simulación numérica exhaustiva.

Conclusiones:

• La estrategia de control de datos de muestreo límite propuesta es efectiva para sincronizar las redes neuronales de reacción-difusión retardada.
• Los criterios de sincronización derivados proporcionan un marco riguroso para el diseño de controladores para dichos sistemas.
• Los resultados numéricos confirman la aplicabilidad práctica y la eficacia del método desarrollado.