Passivitätsanalyse von neuronalen Netzwerken mit zeitlicher Verzögerung

In diesem Papier werden die Passivitätsbedingungen für verzögerte neuronale Netzwerke (DNNs) betrachtet. Zunächst leiten wir die Passivitätsbedingung für DNNs ohne Unsicherheiten ab und erweitern dann das Ergebnis auf den Fall mit zeitvariierenden parametrischen Unsicherheiten. Der vorgeschlagene Ansatz basiert auf einer Lyapunov-Krasovskii-Funktionskonstruktion. Die Passivitätsbedingungen werden in Form von linearen Matrixungleichungen präsentiert, die leicht mit dem effektiven Innen-Punkt-Algorithmus gelöst werden können. Numerische Beispiele werden ebenfalls gegeben, um die Wirksamkeit der theoretischen Ergebnisse zu demonstrieren.