این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
Journal of Artificial Intelligence and Data Mining، جلد ۱۲، شماره ۴، صفحات ۵۴۵-۵۶۶
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Stable Synchronization in Fuzzy Recurrent Neural Networks within a Fixed Time Frame
چکیده انگلیسی مقاله This paper explores fixed-time synchronization for discontinuous fuzzy delay recurrent neural networks (DFRNNs) with time-varying delays. Based on a generalized variable transformation, the error system has been developed to effectively manage discontinuities in neural systems. This research addresses the fixed-time stability problem using a novel discontinuous state-feedback control input and a simple switching adaptive control scheme. The proposed method ensures robust synchronization of the drive and response neural systems within a fixed time. Practical applications of this work include improvements in protocols for secure communications, robotic control systems, and intelligent control frameworks over dynamic systems. A numerical example substantiates the theoretical claims, demonstrating the strengths of the proposed approach. The results show fixed-time convergence of error margins to zero, ensuring unbiased performance within a predefined timeframe, independent of initial conditions.
کلیدواژه‌های انگلیسی مقاله Discontinuous neural networks,Fixed-time synchronization,Lyapunov function,Time-varying delays
نویسندگان مقاله Farnaz Sabahi |
Department of Electrical Engineering, Faculty of Electrical and Computer Engineering, Urmia University, Urmia, Iran.

نشانی اینترنتی https://jad.shahroodut.ac.ir/article_3363_2c362969bbd962b823fdcf158c171471.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات