62、含随机数据缺失的延迟神经网络同步分析

含随机数据缺失的延迟神经网络同步分析

1. 引言

在许多实际系统中，时间延迟现象经常出现，例如信号传输系统、进化系统、动态系统和神经网络系统等。时间延迟可能由多种因素引起，比如设备长距离传输功率或信号，以及系统测量元件的不可避免的误差等。由于时间延迟的存在会降低系统性能，导致系统不稳定且难以控制，因此针对时滞系统的稳定性和镇定问题开展了大量研究。

目前，主要有两种类型的稳定性准则：与延迟无关的准则和与延迟相关的准则。对于较小的延迟，后者通常比前者保守性更小。为了获得更不保守的稳定性准则，人们提出了多种方法，包括自由加权矩阵法、Park不等式、Jensen不等式、互凸法、延迟分割法和增广Lyapunov法等。

另一方面，神经网络系统在许多实际领域得到了广泛应用，如语音识别、图像分类、安全通信和自然语言处理等。关于神经网络的稳定性问题有很多研究，其中，具有时间延迟的神经网络系统的同步问题近年来受到了更多关注。同时，许多实际系统经常受到一些不可避免的干扰，这些干扰可能由系统的环境因素引起，被称为加性随机发生的非线性干扰（RONs）。在一些研究中，假设RONs服从随机突变，以概率方式发生，例如系统故障可能随机发生，或其组件需要随机时间进行维修等。基于RONs是Bernoulli分布序列的假设，提出了一些稳定性准则，这些准则可以保证系统在均方意义下全局指数稳定。另一种处理该问题的方法是使用切换方法，这是研究切换系统稳定性问题的有用工具。

切换系统是一种混合动态系统，包括许多子系统，可以是连续子系统或离散子系统。每个子系统都有协调所有系统的切换规则。切换系统的稳定性分析较为困难，因为其子系统的稳定性并不等同于整个系统的稳定性。例如，每个子系统可能不稳定，但整个系统却稳定，