随机时滞Hopfield神经网络分步θ方法的一般衰减率稳定性
General decay stability of split-step θ method for stochastic delay Hopfield neural networks
秦国栋 1刘凯 2方建印1
作者信息
- 1. 中原工学院电子信息学院,河南郑州 450007
- 2. 中原工学院电子信息学院,河南郑州 450007;河南工程学院理学院,河南郑州 451191
- 折叠
摘要
旨在研究随机时滞Hopfield神经网络分步θ方法的一般衰减率稳定性.当θ∈[0,1/2)时,在步长受限的条件下,随机时滞Hopfield神经网络分步θ方法是一般衰减率稳定的.对于θ∈[1/2,1],不需要额外的步长要求,即可保证随机时滞Hopfield神经网络分步θ方法的一般衰减率稳定性.最后,通过一个数值例子验证所得结果的有效性.
Abstract
This paper investigates the general decay stability of split-step θ(SST)method for sto-chastic delay Hopfield neural networks.For θ∈[0,1/2),it is proven that the SST method exhibits general decay stability with some restrictive conditions on the step size.For θ∈[1/2,1],the SST method can replicate the general decay stability unconditionally.Finally,a numerical example is pres-ented to validate the effectiveness of the proposed approach.
关键词
一般衰减率稳定性/随机时滞Hopfield神经网络/分步θ方法Key words
general decay stability/stochastic delay Hopfield neural networks/split-step θ method引用本文复制引用
基金项目
河南省高等学校重点科研项目(24A120016)
河南省高等学校青年骨干教师培养计划(2020GGJS239)
出版年
2024
NETL
NSTL
万方数据