Autor Ramalingam, Sriraman
|
|
Documentos disponibles escritos por este autor (1)
Hacer una sugerencia Refinar búsqueda
TÃtulo : Stability Analysis of Neural Networks Tipo de documento: documento electrónico Autores: Rajchakit, Grienggrai, Autor ; Agarwal, Praveen, Autor ; Ramalingam, Sriraman, Autor Mención de edición: 1 ed. Editorial: Singapore [Malasya] : Springer Fecha de publicación: 2021 Número de páginas: XXVI, 404 p. 56 ilustraciones, 54 ilustraciones en color. ISBN/ISSN/DL: 978-981-1665349-- Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Redes neuronales (Informática) Sistemas dinámicos Modelos matemáticos de procesos cognitivos y redes neuronales Ãndice Dewey: 519 Estadística y probabilidades Resumen: Este libro analiza investigaciones recientes sobre la estabilidad de varias redes neuronales con señales restringidas. Investiga problemas de estabilidad para sistemas dinámicos retardados donde el objetivo principal de la investigación es reducir el carácter conservador de los criterios de estabilidad. El libro se centra principalmente en el análisis de estabilidad cualitativa de redes neuronales de tiempo continuo y discreto con retrasos presentando el desarrollo teórico y las aplicaciones de la vida real en estas áreas de investigación. El concepto de estabilidad discutido es en el sentido de Lyapunov y, naturalmente, el método de prueba se basa en la teorÃa de estabilidad de Lyapunov. El presente libro servirá como guÃa para permitir al lector continuar el estudio de otros temas con mayor profundidad y es una referencia valiosa para jóvenes investigadores y cientÃficos. . Nota de contenido: 1. Introduction -- 2. LMI-Based Stability Criteria for BAM Neural Networks -- 3. Exponential Stability Criteria for Uncertain Inertial BAM Neural Networks -- 4. Exponential Stability of Impulsive Cohen-Grossberg BAM Neural Networks -- 5. Exponential Stability of Recurrent Neural Networks with Impulsive and Stochastic Effects -- 6. Stability of Markovian Jumping Stochastic Impulsive Uncertain BAM Neural Networks -- 7. Global Robust Exponential Stability of Stochastic Neutral-Type Neural Networks -- 8. Exponential Stability of Discrete-Time Cellular Uncertain BAM Neural Networks -- 9. Exponential Stability of Discrete-Time Stochastic Impulsive BAM Neural Networks -- 10. Stability of Discrete-Time Stochastic Quaternion-Valued Neural Networks -- 11. Robust Finite-Time Passivity of Markovian Jump Discrete-Time BAM Neural Networks -- 12 Robust Stability of Discrete-Time Stochastic Genetic Regulatory Networks. En lÃnea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Stability Analysis of Neural Networks [documento electrónico] / Rajchakit, Grienggrai, Autor ; Agarwal, Praveen, Autor ; Ramalingam, Sriraman, Autor . - 1 ed. . - Singapore [Malasya] : Springer, 2021 . - XXVI, 404 p. 56 ilustraciones, 54 ilustraciones en color.
ISBN : 978-981-1665349--
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Redes neuronales (Informática) Sistemas dinámicos Modelos matemáticos de procesos cognitivos y redes neuronales Ãndice Dewey: 519 Estadística y probabilidades Resumen: Este libro analiza investigaciones recientes sobre la estabilidad de varias redes neuronales con señales restringidas. Investiga problemas de estabilidad para sistemas dinámicos retardados donde el objetivo principal de la investigación es reducir el carácter conservador de los criterios de estabilidad. El libro se centra principalmente en el análisis de estabilidad cualitativa de redes neuronales de tiempo continuo y discreto con retrasos presentando el desarrollo teórico y las aplicaciones de la vida real en estas áreas de investigación. El concepto de estabilidad discutido es en el sentido de Lyapunov y, naturalmente, el método de prueba se basa en la teorÃa de estabilidad de Lyapunov. El presente libro servirá como guÃa para permitir al lector continuar el estudio de otros temas con mayor profundidad y es una referencia valiosa para jóvenes investigadores y cientÃficos. . Nota de contenido: 1. Introduction -- 2. LMI-Based Stability Criteria for BAM Neural Networks -- 3. Exponential Stability Criteria for Uncertain Inertial BAM Neural Networks -- 4. Exponential Stability of Impulsive Cohen-Grossberg BAM Neural Networks -- 5. Exponential Stability of Recurrent Neural Networks with Impulsive and Stochastic Effects -- 6. Stability of Markovian Jumping Stochastic Impulsive Uncertain BAM Neural Networks -- 7. Global Robust Exponential Stability of Stochastic Neutral-Type Neural Networks -- 8. Exponential Stability of Discrete-Time Cellular Uncertain BAM Neural Networks -- 9. Exponential Stability of Discrete-Time Stochastic Impulsive BAM Neural Networks -- 10. Stability of Discrete-Time Stochastic Quaternion-Valued Neural Networks -- 11. Robust Finite-Time Passivity of Markovian Jump Discrete-Time BAM Neural Networks -- 12 Robust Stability of Discrete-Time Stochastic Genetic Regulatory Networks. En lÃnea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
