TUTCRIS - Tampereen teknillinen yliopisto

TUTCRIS

Robustness analysis of a hybrid of recursive neural dynamics for online matrix inversion

Tutkimustuotosvertaisarvioitu

Yksityiskohdat

AlkuperäiskieliEnglanti
Sivut969-975
Sivumäärä7
JulkaisuApplied Mathematics and Computation
Vuosikerta273
Varhainen verkossa julkaisun päivämäärä12 marraskuuta 2015
DOI - pysyväislinkit
TilaJulkaistu - 2016
OKM-julkaisutyyppiA1 Alkuperäisartikkeli

Tiivistelmä

Encouraged by superior convergence performance achieved by a recently-proposed hybrid of recursive neural dynamics for online matrix inversion, we investigate its robustness properties in this paper when there exists large model implementation errors. Theoretical analysis shows that the perturbed dynamic system is still global stable with the tight steady-state bound of solution error estimated. Moreover, this paper analyses global exponential convergence rate and finite convergence time of such a hybrid dynamical model to a relatively loose solution error bound. Computer simulation results substantiate our analysis on the perturbed hybrid neural dynamics for online matrix inversion when having large implementation errors.

Julkaisufoorumi-taso