祝贺王新雅同学在 IEEE Transactions on Fuzzy Systems 发表论文



祝贺王新雅同学在 IEEE Transactions on Fuzzy Systems 发表论文

智控有道

2025-12-04

本文研究了含混合时滞的模糊惯性忆阻神经网络（FIMNNs）的固定 / 预定时间同步问题。在统一框架下，针对忆阻特性引发的状态依赖切换参数，对区间矩阵法与最大绝对值法展开了对比研究。相应地，设计了两种不同的控制器，其定理约束分别以代数形式和线性矩阵不等式（LMIs）形式表示。数值实验表明，在系统初始参数相同的情况下，区间矩阵法通过构造含积分项的李雅普诺夫 - 克拉索夫斯基泛函（LKF），能够更精细地处理时滞效应，因此相较于最大绝对值法，该方法对收敛时间（ST）上界的估计更为精确，进而实现了更快、更高效的同步控制。最终，将所提结果应用于图像加密，验证了其理论意义与实际应用价值。

（1）在统一框架内，基于区间矩阵与最大绝对值方法，深入探究了具有混合时滞的模糊惯性记忆神经网络的固定/预设时间同步问题。该方法专门用于处理忆阻效应引发的状态依赖切换特性。

（2）本文采用两种不同的控制器，并提出代数形式与基于线性矩阵不等式（LMI）的定理约束，以克服模糊算子中引入忆阻特性所带来的参数耦合问题。

（3）对比分析表明，区间矩阵方法在稳定时间上限的估计与控制器效率两方面均显著优于最大绝对值方法，从而能更精确地表征系统动态特性，并在图像加密实验中展现出其优越的实用价值。

一、最大绝对值法

二、区间矩阵法

本研究针对忆阻器切换效应下具有混合时滞的模糊惯性神经网络的固定时间同步与预设时间同步问题展开探讨。通过对比分析最大绝对值方法和区间矩阵方法，并采用代数形式和线性矩阵不等式形式的控制器进行验证。在相同参数下的仿真结果表明，区间矩阵方法能够获得显著更精确的稳定时间估计，其精度提升了84.69%。进一步将同步结果应用于图像加密实验，证实了该方法的实际有效性。未来研究可将区间矩阵框架拓展至更广泛的神经网络模型以及存在不确定性或随机扰动的系统。另一有前景的方向是开发自适应或基于学习的控制器，以增强系统鲁棒性并降低保守性。

X. Wang, G. Chen, S. Wen, L. Wang and J. Hu, "Fixed/Prescribed-Time Synchronization of Hybrid Delayed Fuzzy Inertial Memristive Neural Networks," in IEEE Transactions on Fuzzy Systems, doi: 10.1109/TFUZZ.2025.3635786

【声明】内容源于网络

智控有道

团队成果展示；机器学习、神经网络、随机系统、智能控制交流、沟通、学习平台；各类软件学习使用心得，咨询等。

内容 7

粉丝 0

智控有道团队成果展示；机器学习、神经网络、随机系统、智能控制交流、沟通、学习平台；各类软件学习使用心得，咨询等。

总阅读9

粉丝0

内容7