分数阶Cohen-Grossberg神经网络的Mittag-Leffler稳定性
2019-06-18刘孝磊顾丽娟刘晓燕郭立娜
刘孝磊,顾丽娟,刘晓燕,郭立娜
(1.海军航空大学,山东烟台264001;2.南山学院,山东烟台265706)
自1983年,Cohen和Grossberg提出了一种广义的整数阶神经网络模型[1]
以来,对该类模型的研究就日益深入,并逐步推广到时滞Cohen-Grossberg神经网络模型[2]、Cohen-Grossberg神经网络模型鲁棒稳定性[3]、带随机项Cohen-Grossberg神经网络模型的研究。而在2009年,由Arefeh Boroomand和Mohammad B.Menhaj提出了分数阶Hopfield神经网络模型[4]:
式(2)中:i=1,2,…,n; 0<α<1;为Caputo型分数阶导数。
自此,分数阶神经网络伴随着分数阶微积分理论、分数阶微分方程及其稳定性相关理论的日渐成熟,对分数阶神经网络的稳定性研究也日益丰富[5-8]。而分数阶Cohen-Grossberg神经网络是分数阶Hopfield神经网络的一种推广,本文提出一类分数阶Cohen-Grossberg神经网络模型:
进而讨论了该类型Cohen-Grossberg模型稳定性的充分条件。
1 预备知识
定义1[9]:给定α∈ℝ,f()x的分数阶Caputo导数Dαf(x)定义为Dαf(x)=Jm-αf(m)(x),其中m=[]α+1,,这里的Γ()为Γ-函数,即Γ(β)=
性质1:DαC=0,其中,C为常数。
性质 2:Dα(μf(t)+νg(t))=μDαf(t)+νDαg(t),这里,μ、ν为常数。
定义 2[10]:Mittag-Leffler函数Eα(z)和双参数形式的Mittag-Leffler函数分别定义为:
从定义易得,Eα(z)=Eα,1(z),并且E1,1(z)=ez。
考虑一般的分数阶系统:
定 义 3[11]:若xˉ=0 是 系 统 的 平 衡 点 ,且,其中λ>0,b>0,m(0)=0,则称系统的解是Mittag-Leffler稳定的。
引理1[12]:若x(t)为[0,+∞)上的连续可微函数,则
在[0,+∞)几乎处处成立。
引理2[13]:若V(t)为[0,+∞)上的连续函数,且满足DαV(t)≤θV(t),0<α<1,θ为常数,则V(t)≤V(0)Eα(θtα),t≥0。
2 主要结果
给出如下形式的分数阶Cohen-Grossberg神经网络模型:
式(6)中:x=(x1,x2,…,xn)T表示神经元状态变量;A(x(t))=diag[a1(x1),a2(x2),…,an(xn)]T表示放大函数;B(x(t))=[b1(x1),b2(x2),…,bn(xn)]T表示放大函数;C为神经元之间的互联矩阵;F(x)=[f1(x1),f2(x2),…,fn(xn)]T为激活函数。
对于函数ai(xi) 、bi(xi) 、fi(xi) 做如下假设。
H1:对于i=1,2,…,n,有
H2:对于i=1,2,…,n,fi(xi)满足Lipschitz常数为li的Lipschitz条件。
H3:存在μi>0,使得
定理:若系统满足H1、H2,则x=0是系统的Mittag-Leffler稳定平衡点。
证明:构造Lyapunov函数
由分数阶导数的性质、引理1及假设H1、H2、H3得:
所以由引理2可得,
故则x=0是系统的Mittag-Leffler稳定平衡点。
3 实例仿真
为系统选取参数:
图1~3分别为x1(t)、x2(t)、x3(t)随时间t收敛于0的曲线图。
由仿真结果可以看出,系统的状态曲线明显收敛于稳定平衡点x=0。
图1 x1(t)的状态曲线图Fig.1 State curve ofx1(t)
图2 x2(t)的状态曲线图Fig.2 State curve ofx2(t)
图3 x3(t)的状态曲线图Fig.3 State curve ofx3(t)
4 结论
本文首先通过对分数阶Cohen-Grossberg神经网络的分析,给出了判定该类系统Mittag-Leffler稳定的充分性条件,并进行了Matlab仿真,通过具体实例验证了文中给出定理的正确性。