Publication detail

Сходимость процессов нейродимамики в модели Хопфилда

SHATYRKO, A. DIBLÍK, J. KHUSAINOV, D. BAŠTINEC, J.

Original Title

Сходимость процессов нейродимамики в модели Хопфилда

English Title

The convergence of neurodynamics processes in the Hopfield model

Type

journal article - other

Language

Russian

Original Abstract

Рассматриваются математические модели динамики нейронной сети, представленные системами обыкновенных дифференциальных уравнений, а также дифференциальных уравнений с запаздыванием c выделенной асимптотически устойчивой линейной частью диагонального вида. С использованием прямого метода Ляпунова получены достаточные условия асимптотической устойчивости. Результаты сформулированы в виде матричных алгебраических неравенств.

English abstract

Mathematical models of the dynamics of a neural network, which are represented by systems of ordinary differential equations, as well as differential equations with time-delay argument and the distinguished asymptotically stable linear part are considered. With the using of the direct Lyapunov method, sufficient conditions for asymptotic stability are obtained and exponential estimates of the solutions decay are constructed. The results are formulated in the form of matrix algebraic inequalities.

Keywords

нейросеть, устойчивость, метод Ляпунова, запаздывание аргумента

Key words in English

neuronet, stability, Lyapunov’s method, time-delay argument

Authors

SHATYRKO, A.; DIBLÍK, J.; KHUSAINOV, D.; BAŠTINEC, J.

Released

14. 12. 2017

ISBN

1561-5359

Periodical

Artifical Intelligence

Year of study

77-78

Number

3-4

State

Ukraine

Pages from

139

Pages to

147

Pages count

9

BibTex

@article{BUT150425,
  author="Andrej {Shatyrko} and Josef {Diblík} and Denys {Khusainov} and Jaromír {Baštinec}",
  title="Сходимость процессов нейродимамики в модели Хопфилда",
  journal="Artifical Intelligence",
  year="2017",
  volume="77-78",
  number="3-4",
  pages="139--147",
  issn="1561-5359"
}