tailieunhanh - Improved results for the asymptotic stability problem of neural networks with interval time varying delay

This paper is concerned with the problem of stability analysis of neural networks with an interval time-varying delay. The improvement in this paper, the time-delay considered is subjected to interval time-varying without any restriction on the rate of change. | CELEBRATE VIET NAM TEACHERS’ DAY 20/11/2018 IMPROVED RESULTS FOR THE ASYMPTOTIC STABILITY PROBLEM OF NEURAL NETWORKS WITH INTERVAL TIME-VARYING DELAY LE DAO HAI AN Departement of Basic and Fundamental Science, Vietnam Maritime University Abstract This paper is concerned with the problem of stability analysis of neural networks with an interval time-varying delay. The improvement in this paper, the time-delay considered is subjected to interval time-varying without any restriction on the rate of change. Based on novel refined Jensen inequalities and by constructing an improved Lyapunov-Krasovskii functional (LKF), which fully utilizes information of the neuron activation functions, new delay-dependent LMI-based conditions that ensure the asymptotic stability of the neural network are derived. Keywords: Asymptotic stability, interval delay, Jensen inequality, linear matrix inequality (LMI). Tóm tắt Bài báo này liên quan đến vấn đề phân tích sự ổn định của mạng nơ-ron với trễ thời gian biến thiên trong khoảng. Điều cải tiến mới trong bài báo này là trễ thời gian được xem xét phải tuân theo khoảng thời gian thay đổi mà không có bất kỳ hạn chế nào về tốc độ thay đổi. Dựa trên bất đẳng thức Jensen mới và bằng cách xây dựng hàm Lyapunov-Krasovskii cải tiến, sử dụng đầy đủ các thông tin về các hàm kích hoạt nơ-ron, một số điều kiện mới phụ thuộc vào trễ bắt nguồn từ bất đẳng thức ma trận tuyến tính đã được đưa ra đảm bảo tính ổn định tiệm cận của mạng. Từ khóa: Ổn định tiệm cận, khoảng trễ thời gian, bất đẳng thức Jensen, bất đẳng thức ma trận tuyến tính. 1. Introduction Stability of the neural networks has been extensively studied due to their applied potentials in various fields. Many studies have been done in the fields, such as electricity, electronics, manufacturing technology, medicine, military, finance, economics, geology, physics, etc. Indeed, if there is any problem with forecasting, classifying, controlling, then the neural networks can be designed to apply. In