Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
International Journal of Machine Learning and Cybernetics
Erschienen in: International Journal of Machine Learning and Cybernetics 5/2017

29.03.2016 | Original Article

Quasi-uniform stability of Caputo-type fractional-order neural networks with mixed delay

verfasst von: Huaiqin Wu, Xinxin Zhang, Shunhui Xue, Peifeng Niu

Erschienen in: International Journal of Machine Learning and Cybernetics | Ausgabe 5/2017

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In this paper, a class of Caputo-type fractional-order neural networks with mixed delay is introduced. By employing known inequalities, such as Hölder inequality, Cauchy–Schwartz inequality and Gronwall inequality, sufficient conditions are presented to ensure that such neural network is quasi-uniformly stable. Finally, a numerical example is presented to prove the theoretical results.
Vorheriger Artikel An uncertain multi-objective programming model for machine scheduling problem
Nächster Artikel A selective neural network ensemble classification for incomplete data

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Weitere Produktempfehlungen anzeigen
Literatur
1.
Chua LO (1971) Memristor—the missing circut element. IEEE Trans Circuit Theory 18:507–519CrossRef
2.
Strukov DB, Snider GS, Stewart DR, Williams RS (2008) The missing memristor found. Nature 453:80–83CrossRef
3.
Tour JM, He T (2008) Electronics: the fourth element. Nature 453:42–43CrossRef
4.
Podlubny I (1999) Fractional differential equations. Academic, New YorkMATH
5.
Butzer PL, Westphal U (2000) An introduction to fractional calculus. World Scientific, SingaporeCrossRefMATH
6.
Hilfer R (2001) Applications of fractional calculus in physics. World Scientific, HackensackMATH
7.
Kilbas AA, Srivastava HM, Trujillo JJ (2006) Theory and application of fractional differential equations. Elsevier, AmsterdamMATH
8.
Song L, Xu SY, Yang JY (2010) Dynamical models of happiness with fractional order. Commun Nonlinear Sci Numer Simul 15(3):616–628MathSciNetCrossRefMATH
9.
R.C. Gu, Y. Xu (2011) Chaos in a fractional-order dynamical model of love and its control. In: Li SM, Wang X, Okazaki Y, Kawabe J, Murofushi T, Li G (eds) Nonlinear mathematics for uncertainty and its applications. AISC, Springer, pp 349–356, 881–886
10.
Arena P, Caponetto R, Fortuna L, Porto D (1998) Bifurcation and chaos in noninteger order cellular neural networks. Int J Bifurc Chaos 8(7):1527–1539CrossRefMATH
11.
Lundstrom BN, Higgs MH, Spain WJ, Fairhall AL (2008) Fractional differentiation by neocortical pyramidal neurons. Nat Neurosci 11(11):1335–1342CrossRef
12.
Chon KH, Hoyer D, Armoundas AA (1999) Robust nonlinear autoregressive moving average model parameter estimation using stochastic recurrent artificial neural networks. Ann Biomed Eng 27(4):538–547CrossRef
13.
Raol JR (1995) Parameter estimation of state space models by recurrent neural networks. IET Control Theory A 142(2):114–118CrossRefMATH
14.
15.
Huang H, Huang TW, Chen XP (2013) A mode-dependent approach to state estimation of recurrent neural networks with Markovian jumping parameters and mixed delays. Neural Netw 46:50–61CrossRefMATH
16.
17.
18.
Zhang G, Shen Y (2013) Global exponential periodicity and stability of a class of memristor-based recurrent neural networks with multiple delays. Inform Sci 232:386–396MathSciNetCrossRefMATH
19.
20.
Zhang R, Qi D, Wang Y (2010) Dynamics analysis of fractional order three-dimensional Hopfield neural network. In: International conference on natural computation, pp 3037–3039
21.
Zhou S, Li H, Zhu Z (2008) Chaos control and synchronization in a fractional neuron network system. Chaos Solitons Fractals 36:973–984MathSciNetCrossRefMATH
22.
Zhu H, Zhou S, Zhang W (2008) Chaos and synchronization of time-delayed fractional neuron network system. In: The 9th international conference for Young computer scientists, pp 2937–2941
23.
Zhou S, Lin X, Zhang L, Li Y (2010) Chaotic synchronization of a fractional neurons network system with two neurons. In: International conference on communications, circuits and systems, pp 773–776
24.
Zhao HY, Wang L, Ma CX (2008) Hopf bifurcation and stability analysis on discrete-time Hopfield neural network with delay. Nonlinear Anal Real World Appl 9:103–113MathSciNetCrossRefMATH
25.
Zhao HY, Wang L (2006) Stability and bifurcation for discrete-time CohenCGrossberg neural network. Appl Math Comput 179:787–798MathSciNetMATH
26.
Chen L, Chai Y, Wu R, Ma T, Zhai H (2013) Dynamic analysis of a class of fractional-order neural networks with delay. Neurocomputing 111:190–194CrossRef
27.
28.
29.
Kuczma M (2009) An introduction to the theory of functional equations and inequalities: Cauchy’s equation and Jensen’s inequality. Birkhauser, SwitzerlandCrossRefMATH
30.
Corduneanu C (1971) Principles of differential and intergral equations. Allyn and Bacon, USAMATH
Metadaten
Titel
Quasi-uniform stability of Caputo-type fractional-order neural networks with mixed delay
verfasst von
Huaiqin Wu
Xinxin Zhang
Shunhui Xue
Peifeng Niu
Publikationsdatum
29.03.2016
Verlag
Springer Berlin Heidelberg
Erschienen in
International Journal of Machine Learning and Cybernetics / Ausgabe 5/2017
Print ISSN: 1868-8071
Elektronische ISSN: 1868-808X
DOI
https://doi.org/10.1007/s13042-016-0523-1

Weitere Artikel der Ausgabe 5/2017

International Journal of Machine Learning and Cybernetics 5/2017 Zur Ausgabe

Original Article

Adaptive neural dynamic global PID sliding mode control for MEMS gyroscope

Original Article

An uncertain multi-objective programming model for machine scheduling problem

Original Article

The mean shift method of chaotic sequences in the study of compressive sensing

Original Article

Incremental enhanced α-expansion move for large data: a probability regularization perspective

Original Article

Research on denoising sparse autoencoder

Original Article

Approximation and its implementation process of the stochastic hybrid fuzzy system

Neuer Inhalt

    Bildnachweise