陈苏浩， 刘小洋， 谢春丽， 王书芹

(江苏师范大学 计算机科学与技术学院， 江苏 徐州 221116)

人工神经网络是一种模仿生物大脑神经特征而模拟出来的一种算法模型，它具有自适应、自组织等特点，被广泛应用于图像识别、信息安全、语音处理以及生物研究等领域.其中，耦合神经网络的同步作为网络群集行为的一种重要表现，受到了广泛的关注，已成为当前学术界研究的热点.目前，常见的同步有完全同步、渐进同步及指数同步等[1].

值得注意的是XU C.等[1]所讨论的同步是当时间趋于无穷大时系统才能趋于同步，其在实际应用中具有一定的局限性.人们通常希望同步目标能够在有限的时间内达到.例如，LIU X. Y.等[2]研究了具有连续或非连续激活函数的耦合神经网络有限时间同步问题，在切换拓扑结构之下，借助有限时间稳定性理论，获得了当激活函数与控制器都不连续情形下的有限时间同步判据.

有限时间同步同样存在一定的局限性，即系统达到同步状态的时间值依赖于系统的初始状态，这大大限制了其使用范围.尤其是对众多大型的网络系统，其初始状态往往很难测量或获得.因此如何确定收敛时间的上界，让网络同步的时间控制在给定的范围内便成为了一个比较重要且现实的问题.后来人们提出了固定时间同步的概念[3].例如，WANG L. M.等[4]研究了时滞非连续神经网络全局固定时间同步.CAO J. D.等[5]研究了时滞忆阻神经网络的固定时间同步……