TY -的A2 -温,石屏AU - Si Wenxiao盟——谢道盟- Li Biwen PY - 2021 DA - 2021/07/23 TI -探索指数全球稳定的鲁棒性与中性条件和复发性神经网络广义分段常数参数SP - 9941881六世- 2021 AB -为分段常数的干扰参数(PCAs)和中性(nt)原系统和重大应用在信号传输过程中,我们将探讨指数全球稳定的鲁棒性(EGS)的递归神经网络(RNN) PCAs和nt (NPRNN)。出现以下挑战:PCAs和nt的范围的范围可以NPRNN容忍指数稳定。所以我们得出两个重要指标:最大间隔长度PCAs和中立的词的范围(NT)压缩系数对NPRNN指数稳定。另外,我们从理论上证明了如果PCAs的间隔长度和NT压缩系数的约束都是低于给定的结果,干扰NPRNN仍保持全局指数稳定性。最后,有两个数值例子验证了结果的有效性。SN - 1026 - 0226 UR - https://doi.org/10.1155/2021/9941881 - 10.1155 / 2021/9941881摩根富林明离散动力学自然界和社会中PB - Hindawi KW - ER