徐雍
其他联系方式
邮编：
通讯/办公地址：
邮箱：
论文成果DOI码：10.1109/TNNLS.2018.2793185
所属单位：广东工业大学自动化学院
发表刊物：IEEE Transactions on Neural Networks and Learning Systems
关键字：dissipative estimator, distributed delays, Markov chain, neural networks, packet dropouts
摘要：本文研究了含有分布时滞和不完全测量的神经网络的估计器设计问题。采用随机发生的依赖神经元非线性来描述受神经元干扰的不确定测量。测量数据在多个传输信道上传输，并引入马尔可夫链对这些信道的丢包进行建模。构造了一个单通映射，将m个独立的Markov链转化为一个扩充的Markov链，以便于系统分析。根据丢包情况定义了一个新的信道状态变量，并设计了信道状态相关估计器，在估计器的数目和性能之间进行综合考虑。建立了增广系统随机稳定且满足严格（Q，S，R）-γ耗散的充分条件。使用线性矩阵方法导出估计增益。最后通过一个算例说明了所提出方法的有效性。
第一作者：徐雍
论文类型：期刊论文
学科门类：工学
文献类型：J
卷号：29
期号：10
页面范围：5149 - 5158
ISSN号：29994373
是否译文：否
发表时间：2018-02-12
附件：
