一种方差受限下的分数阶忆阻神经网络估计方法

    公开(公告)号:CN116227324B

    公开(公告)日:2023-09-19

    申请号:CN202211559637.5

    申请日:2022-12-06

    Abstract: 本发明公开了一种方差受限下的分数阶忆阻神经网络估计方法,所述包括如下步骤:步骤一、建立分数阶忆阻神经网络动态模型;步骤二、放大转发协议下对分数阶忆阻神经网络动态模型进行状态估计;步骤三、计算分数阶忆阻神经网络的误差协方差矩阵的上界及H∞性能约束条件;步骤四、利用随机分析方法,并通过解线性矩阵不等式求解出估计器增益矩阵Kk的解,实现对放大转发协议下分数阶忆阻神经网络动态模型的状态估计,判断k+1是否达到总时长N,若k+1<N,则执行步骤二,反之结束。本发明解决了现有状态估计方法不能同时处理放大转发协议下具有H∞性能约束及方差受限分数阶忆阻神经网络的状态估计导致的估计性能准确率低的问题,从而提高了估计性能的准确率。

    一种方差受限下的分数阶忆阻神经网络估计方法

    公开(公告)号:CN116227324A

    公开(公告)日:2023-06-06

    申请号:CN202211559637.5

    申请日:2022-12-06

    Abstract: 本发明公开了一种方差受限下的分数阶忆阻神经网络估计方法,所述包括如下步骤:步骤一、建立分数阶忆阻神经网络动态模型;步骤二、放大转发协议下对分数阶忆阻神经网络动态模型进行状态估计;步骤三、计算分数阶忆阻神经网络的误差协方差矩阵的上界及H∞性能约束条件;步骤四、利用随机分析方法,并通过解线性矩阵不等式求解出估计器增益矩阵Kk的解,实现对放大转发协议下分数阶忆阻神经网络动态模型的状态估计,判断k+1是否达到总时长N,若k+1<N,则执行步骤二,反之结束。本发明解决了现有状态估计方法不能同时处理放大转发协议下具有H∞性能约束及方差受限分数阶忆阻神经网络的状态估计导致的估计性能准确率低的问题,从而提高了估计性能的准确率。

Patent Agency Ranking