پراکندگی جهانی شبکه های عصبی حافظه مشارکتی دو طرفه فازی با تاخیرهای متناسب
هدف این مقاله بررسی مسئله پراکندگی جهانی شبکه های عصبی حافظه مشارکتی دو طرفه فازی (به اختصار – FBAMNNs) با تاخیرهای متناسب میباشد. با رویکرد تابعهای Lyapunov (به اختصار- LFs) و روش نامساوی ماتریس خطی (به اختصار- LMI) شرایط کافی جدیدی را برای تضمین پراکندگی جهانی و پراکندگی نمایی جهانی مدل پیشنهادی بدست می آوریم. بعلاوه، دو نوع مختلف از توابع فعال سازی ، شامل توابع فعال سازی کراندار کلی و از نوع لیپشیتز (Lipschitz) در نظر گرفته شده اند. همچنین، مجموعه های بطور جهانی جاذب و بطور جهانی جاذب نمایی ارایه شده اند. نهایتا، جهت مصور ساختن کارآیی نتایج گسترش یافته، دو مثال عددی ارایه شده اند.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.