21、混沌延迟神经网络与控制系统观测性研究

混沌延迟神经网络与控制系统观测性研究

混沌延迟神经网络同步研究

在过去几十年里，混沌神经网络的同步因其在安全通信、化学反应、生物神经网络和信息处理等领域的潜在应用而备受关注。传统上，自适应控制、反馈控制、脉冲控制、分散控制和滑模控制等多种同步方案已成功应用于混沌神经网络的同步。

数字计算机作为离散时间控制器常用于控制连续时间系统，此时整个控制系统成为采样数据系统，控制信号在采样周期内保持恒定，仅在采样时刻改变。Mikheev等人引入的输入延迟方法为采样数据控制问题提供了有效途径。近年来，采样数据控制方法已应用于混沌控制和混沌系统同步问题。不过，以往的研究大多集中在具有单一采样周期的采样数据控制下混沌Lur’e系统的同步。

在实际的一些同步控制系统中，信号传输依赖于公共通信信道，采样周期随网络条件变化可能改善同步误差系统性能。因此，具有概率采样的采样数据控制下混沌神经网络的同步问题具有重要意义，但尚未得到充分研究。

问题描述与预备知识

考虑如下混沌神经网络：
$\dot{x}(t) = -Ax(t)+W_0g(x(t))+W_1g(x(t -d))+ I$
其中，$x(t) = [x_1(t),x_2(t),··· ,x_n(t)]^T$ 是与 $n$ 个神经元相关的状态向量；$A = diag{a_1,a_2,··· ,a_n}$ 是正对角矩阵；$W_0 = [W_{0pq}] {n×n}$ 和 $W_1 = [W {1pq}]_{n×n}$ 分别是连接权重矩阵和延迟连接权重矩阵；$I = [I_1,I_2,··· ,I_n]^T$ 是常数向量；$d$ 是常数时间延迟；$g(x(t)) = [g