Análise de estabilidade assintótica e exponencial em redes neurais artificiais sujeitas a retardo no tempo e a incertezas do tipo politópicas

Este artigo apresenta condições suficientes para estabilidade assintótica e exponencial de uma classe de RNAs (Redes Neurais Artificiais) sujeitas a influência de retardo no tempo (constante ou variante) e/ou sujeitas a incertezas paramétricas do tipo politópicas. A abordagem proposta é baseada na teoria de estabilidade de Lyapunov-Krasovskii, e utiliza desigualdades matriciais lineares (LMIs - do inglês, Linear Matrix Inequalities) introduzindo matrizes de relaxação, de modo que os resultados obtidos podem ser facilmente resolvidos por meio de algoritmos de otimização convexa. Três exemplos com simulações numéricas são usados para demonstrar a eficiência do método proposto. O primeiro exemplo analisa a estabilidade assintótica, o segundo a estabilidade robusta e o último exemplo a estabilidade exponencial. This paper presents sufficient conditions for asymptotic and exponential stability of a class of artificial neural networks (ANNs) subject to constant or time-varying delay and polytope-bounded uncertainties. The proposed approach is based on Lyapunov-Krasovskii stability theory, and the linear matrix inequalities (LMIs) technique introducing slack matrices so that convex optimization algorithms can be used. Three examples with numerical simulations are performed to demonstrate the effectiveness of the proposed method. The first example deals with the asymptotic stability analysis, the second one with the robust stability analysis and the last one with exponential stability