MétaCan
Menu
Retour à la cohorte
Enregistrement W3152911104 · doi:10.1109/tsmc.2021.3071811

Sampled-Data-Based Event-Triggered Synchronization Strategy for Fractional and Impulsive Complex Networks With Switching Topologies and Time-Varying Delay

2021· article· en· W3152911104 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

RevueIEEE Transactions on Systems Man and Cybernetics Systems · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueNeural Networks Stability and Synchronization
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNational Research Foundation of KoreaNational Natural Science Foundation of China
Mots-clésSynchronization (alternating current)Control theory (sociology)Network topologyController (irrigation)Computer scienceLyapunov functionComplex networkControl (management)Topology (electrical circuits)Mathematics

Résumé

récupéré en direct d'OpenAlex

In this article, the sampled-data-based event-triggered synchronization control for fractional and impulsive complex networks (CNs) with time-varying delay is investigated and a class of more general network structure based on the switching topologies at impulsive instants is considered. First, a class of novel fractional-order integral inequalities is produced to obtain depend-delay synchronization criteria and estimate Lyapunov–Krasovskii functions. Then, a sampled-data-based event-triggered control is designed, which can ensure synchronization of fractional and impulsive CNs (FICNs) with time-varying delay. Next, by using the Lyapunov direct method, some criteria are obtained to guarantee the synchronization of FICNs. Numerical simulations are given to demonstrate that the designed sampled-data-based event-triggered synchronization strategy can effectively not only achieve synchronization of FICNs but reduce the frequency of controller update compared to the previous related works.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,986
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
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 Opus0,036
Tête enseignante GPT0,264
Écart entre enseignants0,228 · 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