MétaCan
Menu
Retour à la cohorte
Enregistrement W1749238948 · doi:10.1155/2015/767456

New Delay-Dependent Exponential Stability Criteria for Neural Networks with Mixed Time-Varying Delays

2015· article· en· W1749238948 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueMathematical Problems in Engineering · 2015
Typearticle
Langueen
DomaineComputer Science
ThématiqueNeural Networks Stability and Synchronization
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesProgram for New Century Excellent Talents in UniversityNational Key Research and Development Program of ChinaNational Defense Pre-Research Foundation of ChinaNational Natural Science Foundation of China
Mots-clésMathematicsExponential stabilityStability (learning theory)Artificial neural networkConvex optimizationConvex combinationRegular polygonLinear matrix inequalityExponential functionApplied mathematicsMathematical optimizationControl theory (sociology)Computer scienceNonlinear systemMathematical analysisArtificial intelligenceMachine learning

Résumé

récupéré en direct d'OpenAlex

This study is concerned with the problem of new delay-dependent exponential stability criteria for neural networks (NNs) with mixed time-varying delays via introducing a novel integral inequality approach. Specifically, first, by taking fully the relationship between the terms in the Leibniz-Newton formula into account, several improved delay-dependent exponential stability criteria are obtained in terms of linear matrix inequalities (LMIs). Second, together with some effective mathematical techniques and a convex optimization approach, less conservative conditions are derived by constructing an appropriate Lyapunov-Krasovskii functional (LKF). Third, the proposed methods include the least numbers of decision variables while keeping the validity of the obtained results. Finally, three numerical examples with simulations are presented to illustrate the validity and advantages of the theoretical results.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,826
Score d'incertitude au seuil0,864

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,031
Tête enseignante GPT0,235
Écart entre enseignants0,204 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle