Análise de estabilidade assintótica e exponencial em redes neurais artificiais sujeitas a retardo no tempo e a incertezas do tipo politópicas

Abstract

Este artigo apresenta condições suficientes para estabilidade assintótica e exponencial de uma classe de RNAs (Redes Neurais Artificiais) sujeitas a influência de retardo no tempo (constante ou variante) e/ou sujeitas a incertezas paramétricas do tipo politópicas. A abordagem proposta é baseada na teoria de estabilidade de Lyapunov-Krasovskii, e utiliza desigualdades matriciais lineares (LMIs - do inglês, Linear Matrix Inequalities) introduzindo matrizes de relaxação, de modo que os resultados obtidos podem ser facilmente resolvidos por meio de algoritmos de otimização convexa. Três exemplos com simulações numéricas são usados para demonstrar a eficiência do método proposto. O primeiro exemplo analisa a estabilidade assintótica, o segundo a estabilidade robusta e o último exemplo a estabilidade exponencial.