時滯神經(jīng)網(wǎng)絡系統(tǒng)的狀態(tài)估計與濾波.pdf

1、神經(jīng)網(wǎng)絡在理論研究（穩(wěn)定性，周期解，耗散性，容錯性等）和實際應用（模式分類、機器學習、優(yōu)化計算、信號處理等）上都已獲得了很多重要研究結果，但實際應用中因為傳輸媒介和機械器件本身的限制，神經(jīng)網(wǎng)絡的信息在傳播過程巾會產(chǎn)生時滯，而時滯已成為降低神經(jīng)網(wǎng)絡性能和導致神經(jīng)網(wǎng)絡不穩(wěn)定的主要原因之一。因此對時滯神經(jīng)網(wǎng)絡的穩(wěn)定性、狀態(tài)估計問題的研究具有十分重要的理論意義和應用價值。
　　 狀態(tài)估計作為控制領域的基本問題之一，有著悠長的歷史，但時滯

2、神經(jīng)網(wǎng)絡的狀態(tài)估計起步較晚，很多問題和結果還有待進一步研究。本文研究了三類神經(jīng)網(wǎng)絡的狀態(tài)估計及濾波問題。具體來說，主要研究結果包括以下三個部分:
　　 (1)針對具有混合時滯（離散時滯和分布時滯）的離散型神經(jīng)網(wǎng)絡，設計了指數(shù)性能狀態(tài)估計器，基于Lyapunov-Krasouskii穩(wěn)定性判據(jù)和自由權矩陣方法，獲得了漸近性能的狀態(tài)估計器，并通過范數(shù)分析、累加抵消和交換求和的方法，證明了狀態(tài)估計器的指數(shù)性能。
　　 (2)針

3、對一類靜態(tài)神經(jīng)網(wǎng)絡，給出了其H∞濾波器設計方法，引入新的定界不等式來處理時滯信息，得到了這類靜態(tài)神經(jīng)網(wǎng)絡的時滯相關和時滯無關H∞濾波器設計條件。與現(xiàn)有結論相比，本方法降低了現(xiàn)有結論的保守性。并通過數(shù)值仿真驗證了結論的有效性。
　　 (3)針對丟失測量情況下離散型馬爾可夫跳變神經(jīng)網(wǎng)絡，研究了其L2-L∞濾波問題，通過構造合適的Lyapunov-Krasouskii泛函，采用線性矩陣不等式處理技術，獲得了給定L2-L∞濾波性能的充分