基于受限信息的神经网络脉冲同步控制研究

Synchronization of neural networks is a research hotspot in control filed. In reality, master-slave neural networks and coupled neural networks are generally consisted of subsystems with different parameters. However, most existing synchronization results cannot work for this kind of neural networks with parameter mismatches. Furthermore, limited synchronization target information, which is resulted from unreliable network transmission and uncertain information exchange, is not fully considered when designing a synchronization controller. This project will study impulsive synchronization control for neural networks based on limited information..First, based on the introduced impulsive driven transmission, the impulsive quasi-synchronization control problem for master-slave Markovian neural networks with parameter mismatch will be studied. Then, based on the augmented synchronization error system with the lowest common multiple period, the impulsive quasi-synchronization control problem for asynchronous periodic coupled neural networks with parameter mismatches will be studied. Furthermore, based on the designed impulsive state observer, the impulsive output feedback synchronization control problem for coupled neural networks with uncertain outer coupling matrix will be studied. Finally, the methods and main results of this project will be verified by the numerical simulations and experiments.

神经网络的同步是目前的热点研究问题。由具有不同系统动态的神经网络组成的主从神经网络和耦合神经网络在工程实际中广泛存在，而大多数已有研究成果不能直接应用于这类参数不匹配神经网络的同步。此外，神经网络中由网络传输不可靠和信息交换的不确定性引起的同步目标信息受限问题没有得到足够的重视。本项目针对神经网络，开展基于受限信息的脉冲同步控制研究。.首先，提出脉冲驱动传输策略，设计脉冲拟同步控制器，研究参数不匹配主从Markov跳变神经网络的脉冲拟同步控制。其次，建立受限同步目标信息模型，得到基于最小公倍周期的增广同步误差系统，研究参数不匹配异步周期神经网络的脉冲拟同步控制。再次，构造元素上下界已知的Laplacian矩阵描述信息交换的不确定性，研究基于脉冲状态观测器的神经网络脉冲输出反馈同步控制。最后，进行数值仿真和实验验证。

神经网络的同步是目前的热点研究问题。由具有不同系统动态的神经网络组成的主从神经网络和耦合神经网络在工程实际中广泛存在，而大多数已有研究成果不能直接应用于这类参数不匹配神经网络的同步。此外，神经网络中由网络传输不可靠和信息交换的不确定性引起的同步目标信息受限问题没有得到足够的重视。本项目针对神经网络的同步控制问题，开展了下述研究工作。.（1）研究了周期双向联想记忆神经网络的反同步控制问题。考虑非对称时滞，并提出Markov传输调度策略，在降低网络负载的同时，能够降低设计控制器的计算量，且所设计的控制器参数依赖于Markov传输调度策略。.（2）研究了时滞主从神经网络的拟同步控制问题。考虑不匹配参数和信道衰减现象，提出脉冲传输策略，降低网络负载，并设计脉冲控制器，得到基于线性矩阵不等式的迭代算法，降低同步误差的上界。.（3）研究了多个神经网络的同步控制问题。考虑神经网络间信息交换的不确定性和部分状态值的不可观测性，建立不确定信息交换模型，并设计基于观测器的脉冲控制器，得到两个脉冲信号之间的次优允许间隔。.（4）研究了Markov耦合时滞神经网络的同步控制问题。考虑网络诱导的信息丢失现象，提出丢包概率依赖节点和耦合情况的随机丢包模型，并设计异步控制器使同步误差系统的H∞性能指标最小。.（5）研究了时滞耦合神经网络的牵制同步控制问题。考虑邻节点信息丢失现象，建立更具一般性的凸多胞形时变耦合模型，并提出Markov牵制策略，在降低控制成本的同时能够提高控制效果。.最后，已有研究表明：（1）在设计人工神经网络时，考虑实际网络拓扑结构的小世界性质与无标度性质，能够改善人工神经网络的性能并降低计算复杂度从而节省内存和时间；（2）不论人体是处于正常还是疾病状态，同步现象都广泛存在于大脑的不同区域中。因此，本项目的研究工作将能够促进神经网络在人工智能领域中的深入应用，并将能够给人们认识和治疗神经系统疾病提供有益启示。