一类非线性时滞细胞神经网络稳定性分析

研究了一类常时滞细胞神经网络的全局渐近稳定性.通过构造适当的Lyapunov-Krasovskii泛函,利用线性矩阵不等式(LMI)得出了全局渐近稳定性判据.数值的例子验证了方法结果的有效性.     

一类具有有界和无界时滞的Cohen-Grossberg神经网络的稳定性

研究了一类具有有界和无界时滞的Cohen-Grossberg神经网络的动力学性质,给出具有有界和无界时滞的Cohen-Grossberg神经网络的全局渐近稳定性的判据.     

具有时变时滞的Hopfield神经网络的全局指数渐近稳定性

对具有时变时滞的Hop fie ld神经网络模型,给出了时滞无关的全局指数稳定判据.去掉了输入-输出函数的可微性和有界性条件,推广了其他作者基于常数时滞的有关结果,所给的充分条件不但能保证该时滞神经网络平衡点的存在性,而且能使其全局指数渐近稳定.     

含无穷分布时滞的离散时间耦合神经网络同步分析

针对一类离散时间耦合神经网络,讨论其含有变时滞和无穷分布时滞时的同步性.采用Lyapunov稳定性理论,结合线性矩阵不等式技术来获得时滞耦合神经网络全局渐近同步的充分性判据,并且所获得的判据依赖于时滞.同时,对细胞激活函数做了类扇形描述的假设,从而进一步减少结论的保守性.     

具有时变时滞的Cohen-Grossberg神经网络的稳定性

考查具有时间改变时滞的Cohen-Gmssberg神经网络的动力学性质,给出具有时间改变时滞的Cohen—Gwssberg神经网络的全局渐近稳定性的判据．     

具有S-型分布时滞的Hopfield神经网络模型的渐近行为

研究了具有S-型分布时滞的Hopfield神经网络模型的渐近行为，得到了平衡点的存在唯一性及全局渐近稳定性的判据，所得结果不仅包含了已有的相应结果，而且具有更广泛的适用性。     

变时滞非线性细胞神经网络稳定性分析

通过构造新的Lyapunov-Krasovskii泛函和线性矩阵不等式（linear matrix inequatity,LMI）, 研究变时滞非线性细胞神经网络渐近稳定性, 利用牛顿-莱布尼兹公式, 一些参数矩阵表达出系统变量之间的关系。从而得出一个具有变时滞相关的全局渐近稳定性判据, 其扩展并改善了以前文献的结果。 数值及仿真例子验证了结果的有效性。     

变时滞非线性细胞神经网络稳定性分析

通过构造新的Lyapunov-Krasovskii泛函和线性矩阵不等式(linear matrix inequatity,LMI),研究变时滞非线性细胞神经网络渐近稳定性,利用牛顿-莱布尼兹公式,一些参数矩阵表达出系统变量之间的关系。从而得出一个具有变时滞相关的全局渐近稳定性判据,其扩展并改善了以前文献的结果。数值及仿真例子验证了结果的有效性。     

基于LMI的比例时滞细胞神经网络的全局渐近稳定性

通过构造合适的Lyapunov泛函及应用线性矩阵不等式,研究一类比例时滞细胞神经网络的全局渐近稳定性,得到系统全局渐近稳定的时滞相关与时滞独立的充分条件.利用数值算例和仿真结果验证了所得结论的正确性.     

基于LMI的时滞细胞神经网络的指数稳定性分析

研究了一类具有时滞的细胞神经网络的指数稳定性问题,利用Lyapunov Krasovskii函数,给出了系统全局指数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,并且能够达到时滞无关指数稳定性和全局渐近稳定性.数值算例说明了本文结果的优越性.     

一类变时滞模糊神经网络系统解的渐近概周期性

本文给出了一类变时滞模糊神经网络系统解的渐近概周期性和全局指数稳定性结果,并给出了该系统渐近概周期解的具体形式。     

一类时滞静态神经网络模型的全局渐近稳定性

利用拓扑度理论，M-矩阵理论及Lyapunov泛函方法研究了一类时滞静态神经网络模型平衡点的全局渐近稳定性，得出了其平衡点、存在唯一及全局渐近稳定的一些充分条件。     

变连接权细胞神经网络模型的稳定性分析

旨在研究一个带时滞的变连接权细胞神经网络模型的稳定性.运用Lyapunov函数方法、代数不等式和有关微分方程稳定性理论,给出了该模型稳定性的判据,并举例说明该判据的可行性.变连接权细胞神经网络模型的稳定性研究目前还是一个较新的研究领域,故所得到的稳定性判据在理论和应用上都具有一定的指导意义.     

细胞神经网络全局指数稳定性的新判据

综合运用矩阵范数、算子测度以及 Lyapunov函数法 ,讨论了细胞神经网络的全局指数稳定性 ,给出了一些较简洁的新的充分判据。     

S-分布时滞区间细胞神经网络的全局渐近鲁棒稳定性

研究了一类具有S-分布时滞的区间细胞神经网络的全局渐近鲁棒稳定性问题，得到了实用有效的判别准则并给出了实例．     

时延细胞神经网络的全局渐近稳定性

通过Lyapunov泛函方法和新的不等式分析技巧,讨论了一类时延细胞神经网络的全局渐近稳定性问题,得到了一个新的充分判据,该判据可用于设计出各种全局稳定的网络。     

一类随机离散神经网络全局渐近同步

研究离散型时滞随机神经网络的同步问题,考虑了参数不确定性,解决离散型分布时滞对神经网络同步问题的影响.基于主从同步的概念,设计一个有更广泛应用的控制器,应用Lyapunov稳定性理论和线性矩阵不等式工具箱,得到这类神经网络同步的充分性判据.最后给出实际例子,检验了判据的有效性.     

Global asymptotic stability of cellular neural networks with multiple delays

Global asymptotic stability (GAS) is discussed for cellular neural networks (CNN) with multiple time delays. Several criteria are proposed to ascertain the uniqueness and global asymptotic stability of the equilibrium point for the CNN with delays. These criteria can eliminate the difference between the neuronal excitatory and inhibitory effects. Two examples are presented to demonstrate the effectiveness of the criteria.     

一类时滞神经网络系统的概周期解

本文利用Banach空间中不动点原理和Lyapunov理论,研究一类变时滞神经网络系统概周期解的存在性和全局渐近稳定性,推广和改进了已有文献的结论.     

Comments on ″Capacity Analysis of the Asymptotically Stable Multi-Valued Exponential Bidirectinal Associative Memory″

Asymptotical stability is an important property of the associative memory neural networks.In this comment,we demonstrate that the asymptotical stability analyses of the MV ECAM and MV-eBAM in the asynchronous update mode by Wang et al are not rigorous,and then we modify the errors and further prove that the two models are all asymptotically stable in both synchronous and asynchronous update modes.