针对比例时滞不连续中立型神经网络，给出更宽松的LKF条件与新的固定时间稳定性引理，并推导出代数形式的镇定准则。
孔凡超 · 朱全新
IEEE Transactions on Neural Networks and Learning Systems 2023
新引理对Lyapunov-Krasovskii泛函施加的条件比以往更宽松，扩大了稳定性判据的适用范围，使更多系统能够被判定为固定时间稳定。
针对该神经网络模型，推导出的镇定准则是代数不等式形式，便于直接用于控制器设计，无需求解复杂的线性矩阵不等式。
新建立的引理利用不等式技巧显著推广了已有结果，为更多动态系统提供了固定时间稳定性分析工具。
考虑的不连续中立型神经网络具有比例时滞，比已有模型更一般，能覆盖更多实际系统，例如具有不连续激活函数的网络。