Sincronización autoactivada de tiempo finito y tiempo fijo de redes neuronales estocásticas y aplicaciones en...

Área de la Ciencia:

• Neurociencia computacional
• Dinámica no lineal
• Teoría de control

Sus antecedentes:

• Las redes neuronales memristivas (MNN) exhiben dinámicas complejas influenciadas por factores ambientales.
• Las perturbaciones estocásticas, las entradas externas y la histeresis del actuador afectan significativamente el rendimiento de MNN.
• Los esquemas de comunicación seguros requieren un comportamiento de red robusto y sincronizado.

Objetivo del estudio:

• Investigar los efectos integrales de las perturbaciones estocásticas, las entradas externas y la histeresis del actuador en las RNM.
• Introducir MNNs estocásticos de respuesta a la conducción (SMNNs) con histeresis y entradas externas.
• Desarrollar estrategias de sincronización para SMNN y sistemas de comunicación seguros.

Principales métodos:

• Introducción de MNNs estocásticos (SMNNs) que incorporan histeresis y insumos externos.
• Formulación de las definiciones de sincronización: asintótica, de tiempo finito y de tiempo fijo en probabilidad.
• Aplicación de las teorías de control auto-activado y de estabilidad de Lyapunov para el diseño del controlador.

Principales resultados:

• Controladores diseñados para lograr la sincronización en tiempo finito y tiempo fijo en probabilidad para SMNN.
• Sincronización asintótica garantizada para el sistema de comunicación seguro.
• Eficacia demostrada de las estrategias propuestas mediante simulaciones y experimentos comparativos.

Conclusiones:

• Las estrategias de sincronización propuestas permiten gestionar eficazmente la compleja dinámica de las RNMS bajo influencias ambientales.
• Los métodos desarrollados aseguran una comunicación segura y fiable a través de estados de red sincronizados.
• Esta investigación contribuye a la estabilidad y seguridad de los sistemas basados en MNN en entornos dinámicos.