基于数据采样的非对称循环时变神经网络的集中与分散全局外同步
神经与进化计算
2016-04-05 v1 系统与控制
经典分析与常微分方程
摘要
本文讨论非对称连接的循环时变神经网络的外同步问题。通过集中与分散离散数据采样原理，我们基于不同向量范数推导了若干充分条件，保证同一神经网络系统来自不同初值的任意两条轨迹收敛到一起。证明了集中与分散原理下数据采样间公共时间间隔的下界为正，这保证了 Zeno 行为的排除。提供数值例子以说明理论结果的有效性。
引用
@article{arxiv.1604.00462,
title = {Centralized and Decentralized Global Outer-synchronization of Asymmetric Recurrent Time-varying Neural Network by Data-sampling},
author = {Wenlian Lu and Ren Zheng and Tianping Chen},
journal= {arXiv preprint arXiv:1604.00462},
year = {2016}
}
备注
13 pages, 2 figures