MétaCan
Menu
Retour à la cohorte
Enregistrement W2920924004 · doi:10.1109/tac.2019.2905271

Exponential Stability of Nonlinear Systems With <i>Delayed Impulses</i> and Applications

2019· article· en· W2920924004 sur OpenAlexafffund
Xiaodi Li, Shiji Song

Notice bibliographique

RevueIEEE Transactions on Automatic Control · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueNeural Networks Stability and Synchronization
Établissements canadiensYork University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of ChinaCanada Research Chairs
Mots-clésControl theory (sociology)Impulse (physics)Nonlinear systemExponential stabilityMathematicsSynchronization (alternating current)ChaoticDwell timeLyapunov stabilityLyapunov functionArtificial neural networkComputer scienceControl (management)Topology (electrical circuits)Physics

Résumé

récupéré en direct d'OpenAlex

We consider a class of nonlinear impulsive systems with delayed impulses, where the time delays in impulses exist between two consecutive impulse instants. Based on the impulsive control theory and the ideas of average dwell time (ADT), a set of Lyapunov-based sufficient conditions for globally exponential stability are obtained. It is shown that the time delay in impulses exhibits double effects (i.e., negative or positive effects) on system dynamics, namely, it may destroy the stability and lead to undesired performance, and conversely, it may stabilize an unstable system and achieve better performance. Then, we apply the theoretical results to synchronization control of chaotic systems and design some impulsive controllers that are formalized in terms of linear matrix inequality and ADT-like conditions. Two numerical examples including chaotic cellular neural network and Chua's oscillator are given to illustrate the applicability of the presented impulsive control schemes. Our examples show that, under some conditions, the impulsive synchronization of chaotic systems can be achieved via the input delays in impulses.

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,006
Tête enseignante GPT0,204
Écart entre enseignants0,197 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations204
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Automatic ControlMême sujetNeural Networks Stability and SynchronizationTravaux en français237 207