时滞忆阻反应扩散神经网络固定时间稳定化控制

收敛快且能耗低

针对带时滞和空间扩散的忆阻神经网络，提出固定/预设时间稳定化控制与时间-能量权衡分析，为需要快速稳定且能耗受限的神经形态计算提供了理论支撑。

Jing, Han · 王雷敏 · Aouiti, Chaouki · 张国东

Neural Networks 2026

技术优势

速度能耗可权衡

建立了收敛时间上界与控制能耗的多目标优化模型，可获得帕累托最优参数集，为实际部署提供可选的折中方案。

扩散效应可量化

通过不同扩散强度下的数值仿真，揭示了空间扩散如何重塑时间-能量权衡的结构，为含扩散的物理网络提供设计依据。

时滞鲁棒控制

控制方案显式处理时滞，利用非光滑分析和李雅普诺夫理论建立了适用于时滞忆阻系统的稳定性判据。

应用场景

• 神经形态控制：为神经形态芯片的实时控制提供保证收敛时间的稳定控制器设计方法。
• 机器人稳定控制：可用于机器人系统中忆阻神经网络模型的快速镇定，并平衡能量消耗。
• 忆阻神经网络：针对忆阻神经网络本身的时滞和扩散特性，提供专门的稳定化控制与权衡分析。