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.
extended dissipative state estimation for markov jump neural networks with unreliable links_1618926417_47656_4145_1722.zip1.30 MB |