延迟反应-扩散神经网络的边界采样数据同步
IEEE transactions on cybernetics
|September 3, 2025
概括
这项研究使用边界采样数据控制来同步延迟反应扩散的神经网络. 该方法通过莱普诺夫稳定理论和线性矩阵不等式来确保网络同步.
科学领域:
- 神经科学
- 控制理论
- 应用数学
背景情况:
- 延迟反应扩散神经网络 (RDNNs) 在模拟复杂的时空现象方面至关重要.
- 这些网络的同步对于它们在各种应用中可靠运行至关重要.
- 诺伊曼边界条件和分布式和离散式延迟在实现同步方面存在重大挑战.
研究的目的:
- 提出一个新的边界采样数据 (SD) 控制策略来同步延迟的 RDNN.
- 开发适用于具有诺伊曼边界条件和各种延迟类型的RDNN的强有力的同步标准.
- 证明拟议的控制方法的实际可行性和有效性.
主要方法:
- 使用边界和分布式SD测量的边界采样数据控制方案的开发.
- 应用莱普诺夫稳定理论和先进的不等式技术来导出同步条件.
- 使用线性矩阵不等式 (LMIs) 进行控制增益的确定.
主要成果:
- 在拟议的边界SD控制下,为延迟的RDNN建立了同步标准.
- 通过解决LMI成功获得了边界SD控制收益.
- 通过全面的数值模拟验证了理论发现.
结论:
- 拟议的边界采样数据控制策略对于延迟反应扩散神经网络的同步是有效的.
- 由此产生的同步标准为设计此类系统的控制器提供了严格的框架.
- 数字结果证实了开发的方法的实际适用性和效率.


