سنکرون سازی کلاسی از شبکه های عصبی آشفته با مرتبه ی کسری
| دسته بندی | مقالات ترجمه شده isi |
| بازدید ها | 16 |
| فرمت فایل | doc |
| حجم فایل | 857 کیلو بایت |
| تعداد صفحات فایل | 10 |
Synchronization of a Class of Fractional-Order Chaotic Neural Networks
Abstract: The synchronization problem is studied in this paper for a class of fractional-order
chaotic neural networks. By using the Mittag-Leffler function, M-matrix and linear feedback
control, a sufficient condition is developed ensuring the synchronization of such neural
models with the Caputo fractional derivatives. The synchronization condition is easy to
verify, implement and only relies on system structure. Furthermore, the theoretical results
are applied to a typical fractional-order chaotic Hopfield neural network, and numerical
simulation demonstrates the effectiveness and feasibility of the proposed method
سنکرون سازی کلاسی از شبکه های عصبی آشفته با مرتبه ی کسری
چکیده
در این مقاله مسئله سنکرونسازی برای طبقهای از شبکههای عصبی آشفته با مرتبهی کسری مطالعه میشود. با استفاده از تابع میتاگ - لفر، کنترل فیدبک خطی و ماتریس-M، یک شرط کافیایجاد شده است که سنکرونسازیچنین مدلهای عصبی با مشتقات کسری کاپوتو را تضمین میکند. اثبات و پیادهسازی شرط سنکرونسازی آسان و تنها بر ساختار سیستم متکی است. علاوه بر این، نتایج تئوری بر یک شبکهی عصبی هوپفیلد آشفتهی نوعی از مرتبهی کسریاعمال میشود، و شبیهسازی عددی اثربخشی و امکانسنجی روش ارائه شده را نشان میدهد.
.
| دسته بندی | مقالات ترجمه شده isi |
| بازدید ها | 16 |
| فرمت فایل | doc |
| حجم فایل | 857 کیلو بایت |
| تعداد صفحات فایل | 10 |
Synchronization of a Class of Fractional-Order Chaotic Neural Networks
Abstract: The synchronization problem is studied in this paper for a class of fractional-order
chaotic neural networks. By using the Mittag-Leffler function, M-matrix and linear feedback
control, a sufficient condition is developed ensuring the synchronization of such neural
models with the Caputo fractional derivatives. The synchronization condition is easy to
verify, implement and only relies on system structure. Furthermore, the theoretical results
are applied to a typical fractional-order chaotic Hopfield neural network, and numerical
simulation demonstrates the effectiveness and feasibility of the proposed method
سنکرون سازی کلاسی از شبکه های عصبی آشفته با مرتبه ی کسری
چکیده
در این مقاله مسئله سنکرونسازی برای طبقهای از شبکههای عصبی آشفته با مرتبهی کسری مطالعه میشود. با استفاده از تابع میتاگ - لفر، کنترل فیدبک خطی و ماتریس-M، یک شرط کافیایجاد شده است که سنکرونسازیچنین مدلهای عصبی با مشتقات کسری کاپوتو را تضمین میکند. اثبات و پیادهسازی شرط سنکرونسازی آسان و تنها بر ساختار سیستم متکی است. علاوه بر این، نتایج تئوری بر یک شبکهی عصبی هوپفیلد آشفتهی نوعی از مرتبهی کسریاعمال میشود، و شبیهسازی عددی اثربخشی و امکانسنجی روش ارائه شده را نشان میدهد.
.
شبکه های عصبی هوپفیلد با مرتبه ی کسری
| دسته بندی | مقالات ترجمه شده isi |
| بازدید ها | 14 |
| فرمت فایل | doc |
| حجم فایل | 375 کیلو بایت |
| تعداد صفحات فایل | 6 |
Fractional-Order Hopfield Neural Networks
Abstract. This paper proposes Fractional-order Hopfield Neural Networks
(FHNN). This network is mainly based on the classic well-known Hopfield net
in which fractance components with fractional order derivatives, replace
capacitors. Stability of FHNN is fully investigated through energy-like function
analysis. To show how effective the FHNN network is, an illustrative example
for parameter estimation problem of the second-order system is finally
considered in the paper. The results of simulation are very promising.
شبکه های عصبی هوپفیلد با مرتبه ی کسری
چکیده
این مقاله شبکههای عصبی هوپفیلد مرتبه کسری (FHNN) را ارائه میکند. این شبکه عمدتا مبتنی بر شبکه هوپفیلد مشهور استکه در این مولفههای کسریبا مشتقات مرتبه کسری جایگزین خازن میشوند. پایداری FHNN بطور کامل از طریق آنالیز تابع شبیه انرژی بررسی میشود. در نهایت برای نشان دادن تاثیر شبکه FHNN، یک مثال تصویری برای مسئلهی برآورد پارامتری سیستم مرتبه دوم در نظر گرفته میشود. نتایج شبیهسازی بسیار امیدوارکننده هستند.