×

zbMATH — the first resource for mathematics

Delay-derivative-dependent stability criterion for neural networks with probabilistic time-varying delay. (English) Zbl 1307.93447
Summary: In this article, based on Lyapunov-Krasovskii functional approach and improved delay-partitioning idea, a new sufficient condition is derived to guarantee a class of delayed neural networks to be asymptotically stable in the mean-square sense, in which the probabilistic time-varying delay is addressed. Together with general convex combination method, the criterion is presented via LMIs and its solvability heavily depends on the sizes of both time delay range and its derivative, which has wider application fields than those present ones. It can be shown by the numerical examples that our method reduces the conservatism much more effectively than earlier reported ones. Especially, the conservatism can be further decreased by thinning the delay intervals.

MSC:
93E15 Stochastic stability in control theory
92B20 Neural networks for/in biological studies, artificial life and related topics
93D20 Asymptotic stability in control theory
PDF BibTeX XML Cite
Full Text: DOI
References:
[1] DOI: 10.1016/j.neunet.2010.09.010 · Zbl 1222.93213 · doi:10.1016/j.neunet.2010.09.010
[2] Cao JD, Nonlinear Analysis: Real World Applications 66 pp 1558– (2007)
[3] DOI: 10.1109/TNN.2008.2006904 · doi:10.1109/TNN.2008.2006904
[4] DOI: 10.1080/00207720903366031 · Zbl 1206.93105 · doi:10.1080/00207720903366031
[5] DOI: 10.1016/j.automatica.2009.08.002 · Zbl 1180.93080 · doi:10.1016/j.automatica.2009.08.002
[6] DOI: 10.1016/j.pnsc.2008.11.012 · doi:10.1016/j.pnsc.2008.11.012
[7] DOI: 10.1016/j.neunet.2008.09.002 · Zbl 1254.34102 · doi:10.1016/j.neunet.2008.09.002
[8] DOI: 10.1049/iet-cta.2009.0007 · doi:10.1049/iet-cta.2009.0007
[9] DOI: 10.1109/TNN.2007.912593 · doi:10.1109/TNN.2007.912593
[10] DOI: 10.1109/TSMCB.2007.913124 · doi:10.1109/TSMCB.2007.913124
[11] DOI: 10.1016/j.nonrwa.2008.07.001 · Zbl 1162.92005 · doi:10.1016/j.nonrwa.2008.07.001
[12] DOI: 10.1016/j.jfranklin.2008.11.004 · Zbl 1166.93381 · doi:10.1016/j.jfranklin.2008.11.004
[13] DOI: 10.1016/j.jfranklin.2008.11.002 · Zbl 1166.93368 · doi:10.1016/j.jfranklin.2008.11.002
[14] DOI: 10.1016/j.apm.2007.10.021 · Zbl 1167.34384 · doi:10.1016/j.apm.2007.10.021
[15] DOI: 10.1016/j.nonrwa.2008.10.050 · Zbl 1186.34101 · doi:10.1016/j.nonrwa.2008.10.050
[16] DOI: 10.1016/j.automatica.2008.09.010 · Zbl 1168.93387 · doi:10.1016/j.automatica.2008.09.010
[17] DOI: 10.1016/j.cnsns.2008.09.024 · Zbl 1221.34191 · doi:10.1016/j.cnsns.2008.09.024
[18] DOI: 10.1016/j.neucom.2009.05.012 · Zbl 05721172 · doi:10.1016/j.neucom.2009.05.012
[19] DOI: 10.1016/j.cam.2008.09.002 · Zbl 1177.34099 · doi:10.1016/j.cam.2008.09.002
[20] DOI: 10.1109/TSMCB.2008.2006860 · doi:10.1109/TSMCB.2008.2006860
[21] DOI: 10.1016/j.chaos.2007.06.052 · Zbl 1197.34148 · doi:10.1016/j.chaos.2007.06.052
[22] DOI: 10.1109/TSMCA.2009.2019875 · doi:10.1109/TSMCA.2009.2019875
[23] DOI: 10.1002/rnc.1314 · Zbl 1157.93478 · doi:10.1002/rnc.1314
[24] DOI: 10.1109/TSMCB.2008.2007496 · doi:10.1109/TSMCB.2008.2007496
[25] Yue D, IEEE Transactions on Neural Networks 19 pp 1299– (2009)
[26] DOI: 10.1016/j.automatica.2008.03.009 · Zbl 1155.93350 · doi:10.1016/j.automatica.2008.03.009
[27] DOI: 10.1109/TNN.2009.2014160 · doi:10.1109/TNN.2009.2014160
[28] DOI: 10.1109/TNN.2009.2034742 · doi:10.1109/TNN.2009.2034742
[29] DOI: 10.1016/j.amc.2008.11.046 · Zbl 1171.34048 · doi:10.1016/j.amc.2008.11.046
[30] DOI: 10.1016/j.neucom.2008.01.028 · Zbl 05718924 · doi:10.1016/j.neucom.2008.01.028
[31] DOI: 10.1109/TNN.2009.2023379 · doi:10.1109/TNN.2009.2023379
[32] DOI: 10.1109/TNN.2010.2093151 · doi:10.1109/TNN.2010.2093151
[33] DOI: 10.1049/iet-cta:20060056 · doi:10.1049/iet-cta:20060056
[34] DOI: 10.1109/TNN.2009.2037893 · doi:10.1109/TNN.2009.2037893
This reference list is based on information provided by the publisher or from digital mathematics libraries. Its items are heuristically matched to zbMATH identifiers and may contain data conversion errors. It attempts to reflect the references listed in the original paper as accurately as possible without claiming the completeness or perfect precision of the matching.