Global robust exponential stability for Hopfield neural networks with non-Lipschitz activation functions

Abstract

This paper is concerned with the problem of the global robust exponential stability for Hopfield neural networks with norm-bounded parameter uncertainties and inverse Holder neuron activation functions. By ¨ applying Brouwer degree properties and some analysis techniques, the existence and uniqueness of the equilibrium point are investigated. Based on the Lyapunov stability theory, a global robust exponential stability criterion is derived in terms of linear matrix inequality (LMI). Two numerical examples are provided to demonstrate the effectiveness and validity of the proposed robust stability results.

Розглянуто задачу глобальної робастної експоненцiальної стiйкостi для нейронних мереж Хопфiльда з обмеженими за нормою параметричною невизначенiстю та оберненими функцiями Гельдера нейронної активацiї. Використовуючи властивостi ступеня Брауера та результати з аналiзу, вивчено питання iснування та єдиностi точки рiвноваги. Критерiй глобальної робастної експоненцiальної стiйкостi в термiнах лiнiйної матричної нерiвностi отримано з використанням теорiї стiйкостi Ляпунова. Наведено два числових приклади для iлюстрацiї ефективностi та дiєвостi наведених результатiв.