Este artigo apresenta condições suficientes para estabilidade assintótica e exponencial de uma classe de RNAs (Redes Neurais Artificiais) sujeitas a influência de retardo no tempo (constante ou variante) e/ou sujeitas a incertezas paramétricas do tipo politópicas. A abordagem proposta é baseada na teoria de estabilidade de Lyapunov-Krasovskii, e utiliza desigualdades matriciais lineares (LMIs - do inglês, Linear Matrix Inequalities) introduzindo matrizes de relaxação, de modo que os resultados obtidos podem ser facilmente resolvidos por meio de algoritmos de otimização convexa. Três exemplos com simulações numéricas são usados para demonstrar a eficiência do método proposto. O primeiro exemplo analisa a estabilidade assintótica, o segundo a estabilidade robusta e o último exemplo a estabilidade exponencial.
Teoria da Estabilidade de Lyapunov- Krasovskii; Estabilidade Robusta; Assintótica e Exponencial; Desigualdades Matriciais Lineares (LMIs - do inglês, Linear Matrix Inequalities); Redes Neurais Artificiais (RNAs); Retardo no Tempo
