Ausreißer-resistente Zustandsschätzung für rekurrente neuronale Netze mit gemischten Zeitverzögerungen

In diesem kurzen Bericht wird ein neues Problem der ausreißer-resistenten Zustandsschätzung (SE) für eine Klasse von rekurrenten neuronalen Netzen (RNNs) mit gemischten Zeitverzögerungen behandelt. Die gemischten Zeitverzögerungen bestehen aus sowohl diskreten als auch verteilten Verzögerungen, die häufig in Signalübertragungen zwischen künstlichen Neuronen vorkommen. Die Messausgaben sind manchmal abnormalen Störungen ausgesetzt (vermutlich Resultate von Sensoralterung/-ausfällen/-fehlern/-ausfällen und unvorhersehbaren Umweltveränderungen), die zu Messausreißern führen würden, die die Schätzleistung beeinträchtigen würden, wenn sie direkt in die Innovation im Entwurf des Schätzers einfließen. Wir schlagen vor, eine bestimmte vertraulichkeitsabhängige Sättigungsfunktion zu verwenden, um die Nebeneffekte der Messausreißer auf die Dynamik des Schätzfehlerverhaltens (EEDs) zu mildern. Durch die Verwendung einer Kombination aus Lyapunov-Krasovskii-Funktional und Ungleichheitsmanipulationen wird ein verzögerungsabhängiges Kriterium für die Existenz des ausreißer-resistenten Zustandsschätzers aufgestellt, das sicherstellt, dass die entsprechende EED asymptotische Stabilität mit einem vorgegebenen H ∞ Leistungsindex erreicht. Anschließend wird die explizite Charakterisierung des Schätzergewinns durch die Lösung eines konvexen Optimierungsproblems erhalten. Schließlich wird eine numerische Simulation durchgeführt, um die Nützlichkeit der abgeleiteten theoretischen Ergebnisse zu demonstrieren.