延迟分数记忆的固定时间同步霍普菲尔德神经网络及其分数维度分析
T M C Priyanka1, A Gowrisankar2, Li Tingyi1
1Department of Mathematics, Guizhou University, Guiyang, Guizhou, 550025, China.
概括
本研究探讨了使用新型控制器对分数记忆式霍普菲尔德神经网络 (FMHNNs) 的固定时间同步. 一个新的稳定性定理提供了更紧密的定位时间,提高了复杂神经网络模型中的同步效率.
科学领域:
- 神经科学是一个神经科学.
- 控制理论 控制理论
- 混沌理论 混沌理论
背景情况:
- 分数记忆的霍普菲尔德神经网络 (FMHNNs) 是复杂的系统,在先进的计算中具有潜在的应用.
- 在这些网络中实现固定时间同步对于可靠的信息处理至关重要.
- 神经网络的持续延迟会对同步动态产生重大影响.
研究的目的:
- 调查FMHNNs与恒定延迟的固定时间同步.
- 提出和分析两个不同的反控制器进行同步.
- 开发一个新的固定时间稳定定理,以改善定位时间.
主要方法:
- 使用两个反控制器,一个基于现有的稳定性结果,另一个基于新衍生的定理.
- 使用不等式和变量替换技术推导出新的稳定性定理.
- 在二维驱动响应FMHNN系统上执行数值模拟.
主要成果:
- 基于新的稳定性定理的第二个控制器,与第一个控制器相比,实现了更紧密的沉降时间.
- 新的结算时间公式提供了比现有方法更精确的上限.
- 分形尺寸估计显示了基于控制器选择的系统不规则性的差异.
结论:
- 新开发的固定时间稳定定理和相关的控制器提高了FMHNNs的同步性能.
- 较短的定位时间证明了固定时间同步的提高效率.
- 这些发现有助于理解和控制复杂的动态系统,如FMHNNs.
