•  Persian
    • Persian
    • English
  •   ورود
  • دانشگاه فردوسی مشهد
  • |
  • مرکز اطلاع‌رسانی و کتابخانه مرکزی
    • Persian
    • English
  • خانه
  • انواع منابع
    • مقاله مجله
    • کتاب الکترونیکی
    • مقاله همایش
    • استاندارد
    • پروتکل
    • پایان‌نامه
  • راهنمای استفاده
View Item 
  •   کتابخانه دیجیتال دانشگاه فردوسی مشهد
  • Fum
  • Articles
  • Latin Articles
  • View Item
  •   کتابخانه دیجیتال دانشگاه فردوسی مشهد
  • Fum
  • Articles
  • Latin Articles
  • View Item
  • همه
  • عنوان
  • نویسنده
  • سال
  • ناشر
  • موضوع
  • عنوان ناشر
  • ISSN
  • شناسه الکترونیک
  • شابک
جستجوی پیشرفته
JavaScript is disabled for your browser. Some features of this site may not work without it.

New Criteria for Global Robust Stability of Delayed Neural Networks With Norm-Bounded Uncertainties

نویسنده:
Arik, Sabri
ناشر:
IEEE
سال
: 2014
شناسه الکترونیک: 10.1109/TNNLS.2013.2287279
یو آر آی: https://libsearch.um.ac.ir:443/fum/handle/fum/961252
کلیدواژه(گان): Lyapunov methods,asymptotic stability,computational complexity,delays,discrete systems,matrix algebra,neural nets,Lyapunov stability theory,continuous activation functions,delayed neural networks,discrete time delays,equilibrium point,global asymptotic robust stability,homeomorphic mapping theorem,low computational complexity,network parameter uncertainty sets,norm-bounded uncertainties,slope-bounded activation functions,sufficient conditions,symmetric matrices,Asymptotic sta
کالکشن :
  • Latin Articles
  • نمایش متادیتا پنهان کردن متادیتا
  • آمار بازدید

    New Criteria for Global Robust Stability of Delayed Neural Networks With Norm-Bounded Uncertainties

Show full item record

contributor authorArik, Sabri
date accessioned2020-03-12T18:31:15Z
date available2020-03-12T18:31:15Z
date issued2014
identifier issn2162-237X
identifier other6650046.pdf
identifier urihttps://libsearch.um.ac.ir:443/fum/handle/fum/961252?locale-attribute=fa
formatgeneral
languageEnglish
publisherIEEE
titleNew Criteria for Global Robust Stability of Delayed Neural Networks With Norm-Bounded Uncertainties
typeJournal Paper
contenttypeMetadata Only
identifier padid7994018
subject keywordsLyapunov methods
subject keywordsasymptotic stability
subject keywordscomputational complexity
subject keywordsdelays
subject keywordsdiscrete systems
subject keywordsmatrix algebra
subject keywordsneural nets
subject keywordsLyapunov stability theory
subject keywordscontinuous activation functions
subject keywordsdelayed neural networks
subject keywordsdiscrete time delays
subject keywordsequilibrium point
subject keywordsglobal asymptotic robust stability
subject keywordshomeomorphic mapping theorem
subject keywordslow computational complexity
subject keywordsnetwork parameter uncertainty sets
subject keywordsnorm-bounded uncertainties
subject keywordsslope-bounded activation functions
subject keywordssufficient conditions
subject keywordssymmetric matrices
subject keywordsAsymptotic sta
identifier doi10.1109/TNNLS.2013.2287279
journal titleNeural Networks and Learning Systems, IEEE Transactions on
journal volume25
journal issue6
filesize241806
citations0
  • درباره ما
نرم افزار کتابخانه دیجیتال "دی اسپیس" فارسی شده توسط یابش برای کتابخانه های ایرانی | تماس با یابش
DSpace software copyright © 2019-2022  DuraSpace