离散不确定神经网络的方差约束鲁棒H∞状态估计研究
最近几十年来，由于人工神经网络广泛应用在信息处理、组合优化、大数据分析和指纹识别等工程实践中，因此，受到越来越多的专家和学者们的关注。此外，由于神经元的状态并不是直接可以获得的，为了更好地了解神经网络的内部运行状态及相关信息，需要提出有效的方法对神经元内部状态进行估计，该方法具有重要的现实意义。本文主要针对离散不确定时滞神经网络，基于递推线性矩阵不等式技术以及矩阵理论，提出了一种新的H∞状态估计算法。具体工作如下： 1.研究具有均匀量化的不确定神经网络的方差约束H∞状态估计问题。首先，根据Lyapunov理论，获得误差系统满足给定H∞性能指标和方差约束的判别条件。其次，基于矩阵理论与分析方法得到状态估计器增益矩阵。值得一提的是，直接分析与原系统相同阶数的估计误差系统来减少计算量。最后，仿真算例演示方差约束状态估计方法的可行性。 2.针对传感器故障的情形，研究不确定时滞神经网络的弹性H∞状态估计问题。首先，根据随机分析方法，获得误差系统满足给定H∞性能指标和方差约束的充分条件。基于矩阵理论与分析手段得到状态估计器增益矩阵。此外，给出离散时变有限域状态估计器的设计算法。值得一提的是，直接分析与原系统相同阶数的估计误差系统，这样可以减少计算负担。最后，仿真算例验证该估计方法的有效性。 3.针对混合恶意攻击的情形，讨论在方差约束下时滞神经网络的弹性H∞状态估计问题。主要目的是设计一种新的弹性状态估计器，使其在均匀量化和时滞的情况下，得到估计误差系统满足误差方差有界性和H∞性能约束的充分准则。最后，仿真演示该方法的可行性。
离散不确定神经网络;H∞状态估计;方差约束;鲁棒性
哈尔滨理工大学
硕士
数学
胡军
2022
中文
TP183
2022-09-21（万方平台首次上网日期，不代表论文的发表时间）