خانه راهنمای خرید پیگیری سفارش پشتیبانی درباره ما تماس با ما
محصولات مرتبط
دانلود قالب پاورپوینت مهندسی کامپیوتر Computer PowerPoint
دانلود قالب پاورپوینت مهندسی کامپیوتر Computer PowerPoint
قیمت : 10,500 تومان
دانلود حل المسائل مهندسی نرم افزار یان سامرویل Ian Sommerville
دانلود حل المسائل مهندسی نرم افزار یان سامرویل Ian Sommerville
قیمت : 50,000 تومان
مقاله بررسی چارچوب های یادگیری عمیق مقیاس پذیر
مقاله بررسی چارچوب های یادگیری عمیق مقیاس پذیر
قیمت : 15,750 تومان
مقاله مروری بر معماری یادگیری عمیق برای تصویربرداری مغز مبتنی بر EEG
مقاله مروری بر معماری یادگیری عمیق برای تصویربرداری مغز مبتنی بر EEG
قیمت : 15,750 تومان

مقاله تخمین تمركز گسترده برای شبکه های عصبی پرش ماركوف با پیوندها

مقاله تخمین تمركز گسترده برای شبکه های عصبی پرش ماركوف با پیوندها

عنوان مقاله فارسی: تخمین تمركز گسترده برای شبکه های عصبی پرش ماركوف با پیوندهای غیر قابل اعتماد

عنوان مقاله لاتین: Extended Dissipative State Estimation for Markov Jump Neural Networks With Unreliable Links

نویسندگان: Hao Shen; Yanzheng Zhu; Lixian Zhang; Ju H. Park

تعداد صفحات: 12

سال انتشار: 2017

زبان: لاتین


Abstract:

This paper is concerned with the problem of extended dissipativity-based state estimation for discrete-time Markov jump neural networks (NNs), where the variation of the piecewise time-varying transition probabilities of Markov chain is subject to a set of switching signals satisfying an average dwell-time property. The communication links between the NNs and the estimator are assumed to be imperfect, where the phenomena of signal quantization and data packet dropouts occur simultaneously. The aim of this paper is to contribute with a Markov switching estimator design method, which ensures that the resulting error system is extended stochastically dissipative, in the simultaneous presences of packet dropouts and signal quantization stemmed from unreliable communication links. Sufficient conditions for the solvability of such a problem are established. Based on the derived conditions, an explicit expression of the desired Markov switching estimator is presented. Finally, two illustrated examples are given to show the effectiveness of the proposed design method.


این مقاله به مساله تخمین حالت مبتنی بر اختلال تعمیم‌یافته برای شبکه‌های عصبی پرش زمان گسسته مارکوف (NN ها)می‌پردازد، که در آن تغییر احتمالات انتقال تکه‌ای متغیر با زمان زنجیره مارکوف در معرض مجموعه‌ای از سیگنال‌های کلیدزنی است که ویژگی میانگین زمان اقامت را برآورده می‌کند. لینک‌های ارتباطی بین NN ها و تخمین‌گر ناقص فرض می‌شوند، که در آن پدیده کوانتیزاسیون سیگنال و افت‌های بسته داده به طور همزمان رخ می‌دهند. هدف این مقاله کمک به یک روش طراحی تخمین‌گر سوئیچینگ مارکوف است، که تضمین می‌کند که سیستم خطای حاصل به صورت تصادفی در حضور همزمان توقف بسته‌ها و کوانتیزه شدن سیگنال ناشی از لینک‌های ارتباطی غیرقابل‌اعتماد گسترش می‌یابد. شرایط کافی برای حل چنین مساله‌ای ایجاد شده‌است. براساس شرایط به‌دست‌آمده، یک عبارت صریح از تخمین‌گر سوئیچینگ مارکوف مورد نظر ارائه شده‌است. در نهایت، دو مثال نشان‌داده‌شده برای نشان دادن اثربخشی روش طراحی پیشنهادی ارائه شده‌است.

فایل هایی که پس از خرید می توانید دانلود نمائید

extended dissipative state estimation for markov jump neural networks with unreliable links_1618926417_47656_4145_1722.zip1.30 MB
پرداخت و دانلود محصول
بررسی اعتبار کد دریافت کد تخفیف
مبلغ قابل پرداخت : 15,750 تومان پرداخت از طریق درگاه
انتقال به صفحه پرداخت