田佳萍，谢立典，王春柱，王嘉伟，葛超

（1.华北理工大学人工智能学院，唐山063210；2.石家庄海山实业发展总公司，石家庄050200；

3.火箭军综合训练基地学兵训练一队，唐山064000）

研究马尔可夫模型的神经网络采样控制的主从同步问题。在零输入策略的框架下，提出一种新型的可变采样随机切换采样数据控制器。基于Lyapunov函数方法，构造适当的Lyapunov-Krasovskii函数（LKF）充分利用有关实际采样模式的可用信息。使用凸组合技术和自由权矩阵的积分不等式，得出一些充分条件。通过求解线性矩阵不等式（LMI），可获得相应的采样数据控制器。给出的数值算例说明该方法的有效性和优势。

采样控制；马尔可夫跳变；LMI；神经网络

0 引言

如今，由于神经网络已广泛用于各个领域，例如信号处理、图像处理、模式识别、优化和关联存储设计等，因此，神经网络受到了广泛的关注[1-2]。对于控制界来说，神经网络的吸引力在于它们可以完全近似复杂的非线性映射关系，并且它们可以学习并适应不确定系统的动态特性。以这种形式，将神经网络引入控制系统是控制学科发展的必然趋势。近年来，与神经网络有关的稳定性分析已被深入研究，并获得了很多成就[3-4]。

随着对神经网络问题的研究，神经网络同步控制问题逐渐被发现和广泛研究。神经网络的同步控制处于神经网络的稳定性之下。为了保持主从系统的同步状态，设计了合适的控制器。神经网络的主从同步已逐渐成为必不可少的研究领域。近年来，已经提到了许多重要的主从同步方法，例如脉冲控制[5]、固定控制[6]、输出反馈控制[7]、自适应控制[8]和采样数据控制[9]。……