Přístupnostní navigace
E-application
Search Search Close
Publication detail
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" }