Отримання умов збіжності процесів навчання у математичних моделях нейродинаміки з післядією

• Date: 2023
• Main Authors: Khusainov, Denys, Shatyrko, Andriy, Shakotko, Tetyana
• Format: Article
• Language: Ukrainian
• Published: V.M. Glushkov Institute of Cybernetics of NAS of Ukraine 2023
• Subjects: метод Ляпунова; стійкість; нейромережі; запізнення аргументу; система диференціальних рівнянь
• Online Access: https://jais.net.ua/index.php/files/article/view/13
• Journal Title: Problems of Control and Informatics

Одним із класичних методів дослідження динамічних систем є прямий метод Ляпунова, що застосовується до широкого класу задач якісного аналізу поведінки систем. Дана стаття є продовженням низки наукових робіт її авторів, присвячених поширенню вищевказаного методу на нові сучасні наукові проблеми. А саме, на підрозділ штучного інтелекту — нейронні мережі. В даній статті на основі методу функцій Ляпунова досліджено системи, що описуються в термінах диференціальних рівнянь із запізненням аргументу. Вказано на особливості його застосування для систем функціонально-диференціальних рівнянь (ФДР) із запізненням у загальному нелінійному випадку. З метою наочності та з використанням методології дослідження продемонстровано можливість отримання умов стійкості, як залежних, так й незалежних від запізнення, для випадку лінійних систем ФДР. При цьому використано традиційну функцію Ляпунова у вигляді квадратичної форми. Розглянуто моделі неперервних нейронних сіток Хопфілда у вигляді систем диференціальних рівнянь із запізненням та слабкою нелінійністю. За допомогою функцій Ляпунова квадратичного вигляду доведено твердження про асимптотичну стійкість положення рівноваги. Також показано й якісний характер поведінки системи, а саме, доведено, що норма розв’язків затухає за експоненціальним законом. Окреслено перспективу подальших досліджень з використанням функцій Ляпунова, що враховують нелінійності диференціальних моделей сіток Хопфілда