具分布延时细胞神经网络的指数周期与稳定性

研究了具分布延时细胞神经网络的全局指数周期性与指数稳定性。在没有假设激活函数是有界的、可微的、单调增的情况下,通过应用一些新的分析技巧与Halanay-type不等式方法,得到了确保延时细胞神经网络周期解存在唯一且全局指数周期与全局指数稳定的简单的、容易验证的、新的充分条件。并给出了算例及其仿真结果支持所得结论。     

一类Markov跳变神经网络的时滞相关鲁棒稳定性

针对一类Markov跳变神经网络,研究了其在系统参数不确定情况下的全局鲁棒稳定性。利用Leibniz Newton公式对原系统进行等价变换,基于Lyapunov 稳定性理论,并结合Moon不等式得到了此类Markov跳变神经网络时滞相关均方鲁棒稳定性的判别条件。所得结果以线性矩阵不等式(linear matrix inequality, LMI)的形式给出,容易被Matlab中的LMI工具箱验证。最后,通过一个算例验证了所得结论的有效性。     

时滞竞争神经网络的全局指数稳定性

对于不同时标的时变时滞竞争神经网络的网络模型,通过构造适当的Lyapunov函数,结合微分不等式分析,研究了时变时滞竞争神经网络的全局指数稳定性,获得了新的全局指数稳定性判据,所得判据推广和改进了前人的相关结论。最后的数值仿真例子证明了该算法的有效性。     

延时耦合复杂动力网络的全局混沌同步

利用Lyapunov稳定性理论,结合线性矩阵不等式方法,给出了具有耦合延时的复杂动力网络全局指数同步的时滞无关和时滞相关的若干条件.同时以Duffing混沌系统为例,应用时滞相关条件,得到了保证同步状态全局指数稳定的时滞上界,并与已有结论作比较,验证了结论的保守性有所减弱.数值仿真结果也说明理论分析的正确性.     

时滞Markov跳变BAM神经网络的鲁棒稳定性

针对一类具有Markov跳变参数的时滞双向联想记忆(BAM)神经网络,研究了其在系统参数不确定情况下的鲁棒稳定性.在不要求连接权矩阵的对称性和激励函数的可微性与单调性的情况下,通过构造适当的Lyapunov泛函得到了此类神经网络均方鲁棒稳定的充分条件.该条件考虑了时滞Markov跳变神经网络中参数的不确定性,改进了现有文献中的关于时滞Markov跳变神经网络的稳定性条件,所得结果以线性矩阵不等式(LMI)的形式给出.最后,通过实例仿真验证了所得结论的有效性.     

具变时延细胞神经网络模型的全局指数稳定性

通过构造新的Lyapunov泛函．巧妙引入可调实参数，并结合Hardy不等式以及推广的Halanay时延微分不等式，讨论了一类具有可变时延细胞神经网（DCNNs）的全局指数稳定性问题，所得结果改进、推广了文[7]、文[8]中相应的结论，并可应用于以前所不能处理的若干情形。特别地，还通过实例说明了相应准则的应用，扩大了神经网络设计的范围，这在理论上和应用中都有着重要意义。     

基于递归神经网络的基因调控网络稳定性分析

基因调控网络是一类复杂的非线性动力学系统,其稳定性分析在生命科学研究中发挥着重要作用。基于递归神经网络所具有的较强的建模能力,建立了一类新的时滞基因调控网络模型。根据模型的特点构建合适的Lyapunov-Krasovskii函数,并借助线性矩阵不等式技术与S-方法推导出使得网络全局渐进与指数稳定的充分性条件,最后通过实例验证了此方法的有效性。     

连续Markov跳变奇异系统的稳定性分析与镇定

研究了一类连续Markov跳变奇异系统的稳定性与镇定控制,得到了保证连续Markov跳变奇异系统正则、无脉冲、随机稳定的充分性条件,并设计了相应的镇定控制器。与已有文献中的结论相比,文中研究系统的模式跳变转移概率可以是部分未知的,所得条件以严格线性矩阵不等式的形式给出,具有更小的保守性。仿真实例验证了文中结论的正确性。     

非线性时变系统的部分指数稳定性分析

讨论了非线性时变系统平凡解的部分指数稳定性和全局部分指数稳定性。分别利用数量与向量Lyapunov函数并结合数量与向量比较原理,得到了保证系统平凡解部分指数稳定和全局部分指数稳定的一系列充分条件。作为特殊情形,对于一类定常拟线性系统,在一定的条件下,若其对应的线性系统的平凡解是部分渐近稳定的,利用二次型Lyapunov函数得到了保证拟线性系统的平凡解是全局部分指数稳定的一个代数判据,这些结果在实际应用中具有一定的指导意义。最后用两个数值例子对所得主要结果加以阐明。     

连续型联想细胞神经网络局部指数稳定性研究

由于细胞神经网络的潜在应用前景 ,它现已成为神经网络研究的新热点。首先给出连续型联想细胞神经网络的数学模型 ,得到了连续型细胞神经网络平衡点局部指数稳定的充要条件及平衡点指数吸引域的估计 ,研究表明对平衡点的指数吸引域的估计 ,只要计算平衡点处的导算子矩阵的对数范数即可。该研究对连续型联想细胞神经网络的设计和应用均有重要的作用。     

时滞细胞神经网络的全局渐近鲁棒稳定性分析

针对一类具有时滞的细胞神经网络系统,利用新的Lyapunov Krasovskii函数,给出了系统全局渐近鲁棒稳定的时滞相关稳定性条件。其结果以线性矩阵不等式的形式给出,可以很容易求出系统稳定的时滞上界。进而可以很容易得到时滞无关稳定性结果,且该结果包含了现有文献中许多关于时滞无关稳定性分析的结果。数值算例说明了结论的有效性。     

基于细胞神经网络的牌照倾斜校正及单字切分

车牌自动识别中 ,牌照倾斜和单字切分不准确会使字符识别率下降。为此提出基于细胞神经网络的牌照倾斜校正及单字切分的方法。由阴影检测器得到包含字符的块状区域 ,并得到块状区域的上、下边缘线 ,从而得到牌照的倾斜角度 ,对牌照进行倾斜校正。对校正后的图像 ,用相连单元检测器去除边框及其它干扰 ,并用另一个离散时间细胞神经网络模板完成单字切分。结果表明 ,利用细胞神经网络可以较好地完成牌照倾斜校正和单字切分 ,为后面的字符识别作了较好的准备。     

离散时间细胞神经网络的收敛性条件

神经网络的收敛性是网络各种应用的基础。主要研究了离散细胞神经网络的收敛性 ,并给出了几个新的网络收敛性条件。如果细胞网络的模板不是互补的 ,则给出一个网络在细胞格子非相互作用演化方式下的收敛性结果 ,所获结果推广了已有的结论。如果模板是互补的 ,且是行占优的 ,则网络按细胞格子行方式进行演化是收敛的。如果模板是互补的 ,且是列占优的 ,则网络按细胞格子列方式进行演化是收敛的。     

Stability analysis of cellular neural networks with time-varying delay

The global asymptotic stability of cellular neural networks with delays is investigated. Three kinds of time delays have been considered. New delay-dependent stability criteria are proposed and are formulated as the feasibility of some linear matrix inequalities, which can be checked easily by resorting to the recently developed interior-point algorithms. Based on the Finsler Lemma, it is theoretically proved that the proposed stability criteria are less conservative than some existing results.     

分布时滞细胞神经网络的代数抗饱和补偿设计

针对一类分布时滞神经网络系统提出一种代数抗饱和补偿设计。在不考虑系统输入饱和的前提下,通过系统参数、M矩阵理论、迪尼导数设计出了一种代数判据。在此基础上,当发生输入饱和时,运用舒尔补引理将二次型矩阵不等式(quadratic matrix inequality,QMI)转化成线性矩阵不等式(linear matrix inequality,LMI)。同时给出优化吸引域估计的方法。仿真结果验证了方案的可行性和有效性。     

离散Hopfield神经网络的异步渐近行为

主要研究非对称离散Hopfield神经网络和带有延迟项的非对称离散Hopfield神经网络的异步渐近行为。提出了异步演化的网络状态图和网络状态图的洞的概念 ,研究了网络状态图的洞和神经网络的异步稳定性之间的关系。给出了非对称离散Hopfield网络的异步稳定条件和不稳定条件以及某些特殊情况下的网络状态图的结构。同时 ,也得到了非对称延迟离散Hopfield网络的异步收敛性条件。所获结果推广了一些已有的结论。     

Global exponential stability for delayed cellular neural networks and estimate of exponential convergence rate

Some sufficient conditions for the global exponential stability and lower bounds on the rate of exponential convergence of the cellular neural networks with delay (DCNNs) are obtained by means of a method based on delay differential inequality. The method, which does not make use of any Lyapunov functional, is simple and valid for the stability analysis of neural networks with delay. Some previously established results in this paper are shown to be special casses of the presented result.     

时间离散的回归神经网络的定性分析

研究了一类时间离散的回归神经网络的定性问题.首先应用非线性分析中的度理论,建立了这类神经网络平衡点存在唯一的充要条件;其次通过Lyapunov函数,得到了这类神经网络全局指数稳定的充分准则.