SavedAdd your journal

Journals / Uludağ Üniversitesi Mühendislik Fakültesi Dergisi / 2018 / Cilt: 23 - Sayı: 2

Takagi-Sugeno Bulanık Cohen-Grossberg Tipi Zaman Gecikmeli Yapay Sinir Ağlarında Kararlılık Analizi

STABILITY ANALYSIS OF A CLASS OF TAKAGI-SUGENO FUZZY COHEN-GROSSBERG NEURAL NETWORKS WITH TIME DELAYS

NEYİR ÖZCAN SEMERCİ
Samet BARIŞ
Pages
45–54
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Bu nedenle, bu çalışmada çalışılan yapay sinir ağı modelinin denge ve kararlılık özellikleri, bazı özel matris sınıflarının temel özellikleri kullanarak kolaylıkla doğrulanabilir.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Bu çalışma çoklu zaman gecikmeli Takagi-Sugeno Bulanık Cohen-Grossberg tipi yapay sinir ağlarının global asimtotik kararlılık problemi ile ilgilenmektedir.
📊
Key Findings & Data:Uygun bulanık Lyapunov fonksiyonelleri kullanılarak ve aktivasyon fonksiyonlarının Lipschitz olduğu dikkate alnarak, gecikmeli Takagi-Sugeno Bulanık Cohen-Grossberg yapay sinir ağlarında denge noktasının global asimtotik gecikme parametrelerinden bağımsız olarak, yeni yeterli bir kararlılık koşulu sunulmuştur.
💡
Conclusion & Impact:Bu nedenle, bu çalışmada çalışılan yapay sinir ağı modelinin denge ve kararlılık özellikleri, bazı özel matris sınıflarının temel özellikleri kullanarak kolaylıkla doğrulanabilir.
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:Domain Parameters

Abstract

Bu çalışma çoklu zaman gecikmeli Takagi-Sugeno Bulanık Cohen-Grossberg tipi yapay sinir ağlarının global asimtotik kararlılık problemi ile ilgilenmektedir. Uygun bulanık Lyapunov fonksiyonelleri kullanılarak ve aktivasyon fonksiyonlarının Lipschitz olduğu dikkate alnarak, gecikmeli Takagi-Sugeno Bulanık Cohen-Grossberg yapay sinir ağlarında denge noktasının global asimtotik gecikme parametrelerinden bağımsız olarak, yeni yeterli bir kararlılık koşulu sunulmuştur. Elde edilen koşul sadece sinir ağının sistem parametrelerine bağlı olarak ifade edilmiştir. Bu nedenle, bu çalışmada çalışılan yapay sinir ağı modelinin denge ve kararlılık özellikleri, bazı özel matris sınıflarının temel özellikleri kullanarak kolaylıkla doğrulanabilir.

Özet

This paper deals with the problem of the global asymptotic stability of the class of TakagiSugeno Fuzzy Cohen-Grossberg neural networks with multiple time delays. By constructing a suitable fuzzy Lyapunov functional, we present a new delay-independent sufficient condition for the global asymptotic stability of the equilibrium point for delayed Takagi-Sugeno Fuzzy Cohen-Grossberg neural networks with respect to the Lipschitz activation functions. The obtained condition simply relies on the network parameters of the neural system. Therefore, the equilibrium and stability properties of the neural network model considered in this paper can be easily verified by exploiting some basic properties of some certain classes of matrices.

🔖

Cite This Article

SEMERCİ, N. Ö., BARIŞ, S. (2018). Takagi-Sugeno Bulanık Cohen-Grossberg Tipi Zaman Gecikmeli Yapay Sinir Ağlarında Kararlılık Analizi. Uludağ Üniversitesi Mühendislik Fakültesi Dergisi, Cilt: 23 - Sayı: 2, 45–54. https://ajindex.com/articles/329956

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (5)

  1. Ahn, C. K. (2011) Takagi-Sugeno fuzzy Hopfield neural networks for H-infinity nonlinear system identification, Neural Processing Letters, 34(1), 59-70. doi: 10.1007/s11063-011- 9183-z Arik, S. and Orman, Z. (2005) Global stability analysis of Cohen-Grossberg neural networks with time varying delays, Physics Letters A, 341(5-6), 410-421. doi:10.1016/j.physleta.2005.04.095 Balasubramaniam, P. and Ali, M. S. (2011) Stability analysis of Takagi-Sugeno fuzzy Cohen-Grossberg BAM neural networks with discrete and distributed time-varying delays, Mathematical and Computer Modelling, 53(1-2), 151-160. doi:10.1016/j.mcm.2010.07.028 Bao, G., Wen, S. and Zeng, Z. (2012) Robust stability analysis of interval fuzzy CohenGrossberg neural networks with piecewise constant argument of generalized type, Neural Networks, 33, 32-41. doi:10.1016/j.neunet.2012.04.003 Bao, H. (2016) Existence and exponential stability of periodic solution for BAM fuzzy Cohen-Grossberg neural networks with mixed delays, Neural Processing Letters, 43(3), 871-885. doi: 10.1007/s11063-015-9455-0
  2. Chandran, R. and Balasubramaniam, P. (2013) Delay dependent exponential stability for fuzzy recurrent neural networks with interval time-varying delay, Neural Processing Letters, 37(2), 147-161. doi: 10.1007/s11063-012-9239-8
  3. Cohen, M.A. and Grossberg, S. (1983) Absolute stability and global pattern formation and parallel memory storage by competitive neural networks, IEEE Transactions on Systems, Man and Cybernetics, 13(5), 815-821.
  4. Gan, Q., Xu, R. and Yang, P. (2010) Stability analysis of stochastic fuzzy cellular neural networks with time-varying delays and reaction-diffusion terms, Neural Processing Letters, 32(1), 45-57. doi: 10.1007/s11063-010-9144-y Gan, Q. (2013) Exponential synchronization of stochastic fuzzy cellular neural networks with reaction-diffusion terms via periodically intermittent control, Neural Processing Letters, 37(3), 393-410. doi: 10.1007/s11063-012-9254-9
  5. He, D. and Xu, D. (2008) Attracting and invariant sets of fuzzy Cohen-Grossberg neural networks with time-varying delays, Physics Letters A, 372(47), 7057-7062. doi:10.1016/j.physleta.2008.10.035 Hou, Y.Y, Liao, T.L. and Yan, J.J. (2007) Stability analysis of Takagi-Sugeno fuzzy cellular neural networks with time-varying delays, IEEE Transactions on Systems, Man and Cybernetics, 37(3), 720-726. doi: 10.1109/TSMCB.2006.889628 Huang, H., Ho, D.W.C. and Lam, J. (2005) Stochastic stability analysis of fuzzy Hopfield neural networks wi