离散神经网络多指标状态估计

本书系统地钢述了不接近信总和通信能力受限情形下几类离散神经网络的多指标状态估计方法。全书共11章，主要涉及方差约束、H.性能、两球约束等指标。其体包括：第1章绪论：基于状态增广方法，第2章至第4章给出了几类离散时变神经网络的方差约束H.状态估计方法，揭示了随机发生非线性、测量丢失、传感器饱和、测量衰减以及事件触发通信协议对状态估计算法设计带来的影响：第5章至第7章考虑了信号量化、传感器放障和网络攻击等诱导的不接近信息现象，基于非增广方法给出了几类离敢时变神经网路的方差约束H.状态估计方法：第8章考虑了测量丢失和随机时滞影响下的一类忆阻神经阿络，给出了有限时有界Ⅱ状态估计方法；第9章至第I1章分别考虑了RR协议、ME协议和WTOD协议，解决了几类离散时滞忆阻神经网络的弹性集员状态估计问题，并给出了相关集员状态估计方法。

第1章 绪论
1.1 研究背景
1.2 神经网络及多指标状态估计
1.2.1 神经网络状态估计
1.2.2 多指标状态估计
1.3 不接近信息下神经网络的状态估计
1.3.1 时滞
1.3.2 测量丢失
1.3.3 信号量化
1.3.4 传感器故障
1.3.5 传感器饱和
1.3.6 网络攻击
1.3.7 随机发生非线性
1.4 通信协议下神经网络的状态估计
1.4.1 事件触发通信协议
1.4.2 RR协议
1.4.3 MEF协议
1.4.4 WTOD协议
1.5 章节安排
第2章 具有随机发生非线性的神经网络的方差约束H∞状态估计
2.1 具有随机发生非线性的时变神经网络H∞状态估计
2.1.1 问题描述
2.1.2 方差约束H∞状态估计方法设计
2.1.3 数值仿真
2.2 测量丢失下时变神经网络的弹性H∞状态估计
2.2.1 问题描述
2.2.2 弹性方差约束H∞状态估计算法设计
2.2.3 数值仿真
2.3 本章小结
第3章 具有随机发生饱和的神经网络的弹性方差约束H∞状态估计
3.1 问题描述
3.2 方差约束H∞状态估计算法设计
3.3 数值仿真
3.4 本章小结
第4章 事件触发机制下具有衰减测量的神经网络的方差约束H∞状态估计
4.1 问题描述
4.2 衰减测量影响下的H∞状态估计算法设计
4.3 数值仿真
4.4 本章小结
第5章 具有均匀量化的神经网络的方差约束H∞状态估计
5.1 问题描述
5.2 方差约束H∞状态估计方法
5.3 数值仿真
5.4 本章小结
第6章 具有传感器故障的神经网络的弹性方差约束H∞状态估计
6.1 弹性状态估计器设计
6.2 弹性方差约束H∞状态估计算法设计
6.3 数值仿真
6.4 本章小结
第7章 具有混合攻击的神经网络的弹性方差约束H∞状态估计
7.1 弹性状态估计器设计
7.2 弹性方差约束H∞状态估计方法
7.3 数值仿真
7.4 本章小结
第8章 测量丢失和随机时滞影响下忆阻神经网络有限时有界H∞状态估计
8.1 问题描述
8.2 有限时有界H∞状态估计算法设计
8.3 数值仿真
8.4 本章小结
第9章 RR协议下时滞忆阻神经网络的弹性集员状态估计
9.1 RR协议下具有不接近测量的弹性集员状态估计
9.1.1 问题描述
9.1.2 RR协议下集员状态估计算法设计
9.1.3 数值仿真
9.2 RR协议下具有网络攻击的弹性集员状态估计
9.2.1 问题描述
9.2.2 RR协议和网络攻击下的集员状态估计方法设计
9.2.3 数值仿真
9.3 本章小结
第10章 MEF协议下时滞忆阻神经网络的弹性量化集员状态估计
10.1 问题描述
10.2 MEF协议下集员状态估计算法设计
10.3 数值仿真
10.4 本章小结
第11章 WTOD协议下时滞忆阻神经网络的弹性集员状态估计
11.1 具有混合时滞与传感器饱和的弹性集员状态估计
11.2 WTOD协议下弹性状态估计方法设计
11.3 数值仿真
11.4 本章小结
参考文献