具有混合时滞的随机细胞神经网络的稳定性分析

讨论了具有混合时滞的随机细胞神经网络的p-阶矩指数稳定和几乎必然指数稳定性.借助于局部鞅收敛定理、M-矩阵的性质和It公式,在较为宽松的扩散系数矩阵的限制条件下,得到了p-阶矩指数稳定和几乎必然指数稳定的充分条件,推广了现有一些文献的结果.     

Markov跳变的非线性脉冲系统指数稳定性

研究了具有Markov跳变的随机脉冲系统的p阶矩指数稳定性和几乎必然指数稳定性.首先, 利用平均停留时间, 基于Lyapunov函数,建立了这类系统指数稳定的充分条件;然后,基于M-矩阵,给出了指数稳定的代数判据;最后,给出一个例子说明本文结果的有效性.     

随机微分方程1.5阶随机Taylor方法的指数稳定性

本文针对线性随机微分方程,首先证明了强1.5阶隐式随机Taylor方法能无条件保持解析解几乎处处指数稳定性;其次证明了当0相似文献   

具Markov切换和Lévy噪声的中立型随机泛函微分方程p阶矩指数稳定性

研究一类具Markov切换与Lévy噪声的中立型随机泛函微分方程p阶矩指数稳定性.通过使用Razumikhin方法以及随机分析理论,建立该系统解p阶矩指数稳定的充分条件,进而获得具Markov切换与Lévy噪声的中立型随机时滞微分系统解的p阶矩指数稳定性判别定理.     

一类多时滞中立型随机微分方程的指数稳定性

考虑了下列非线性多时滞中立型随机微分方程d[x(t)-u(x(t-t_1)]=f(x(t),x(t-t_2),t)dt+g(x(t),x(t-t_3),t)dw(t),t≥0.利用Lyapunov方法获得了该方程的p阶矩指数稳定性的一些判别准则.通过Chebyshev不等式和Borel-Cantelli引理证明了该方程的几乎必然指数稳定性.     

一类中立型随机泛函微分方程的稳定性分析

研究了一类中立型随机泛函微分方程的p阶矩稳定性和几乎必然稳定性.借助于It?公式、Fatou引理、局部鞅收敛定理和不等式分析技巧,得到了中立型随机泛函微分方程的p阶矩稳定和几乎必然稳定的充分条件,其结论更具有一般性.     

带Markov跳跃参数的奇异随机微分方程指数稳定性

通过构造新的Lyapunov函数,并利用矩阵范数的定义和性质,在Markov调制的随机微分方程的指数稳定性基础上,建立了Markov调制的奇异随机微分方程的p阶指数稳定性和几乎必然指数稳定性的条件并予以证明．     

具有脉冲的随机泛函微分方程的p阶矩指数稳定(英文)

在本文中,利用Lyapunov函数,借助Razumikhin技巧,作者研究了具有脉冲的随机泛函微分方程的p阶矩指数稳定性,得到了一些判定脉冲随机泛函微分方程p阶矩指数稳定的充分条件.所得结果说明非稳定的随机泛函微分方程,在脉冲干扰影响下也可以实现稳定化.     

中立型随机泛函微分方程的p阶矩指数稳定性

本文中研究中立型随机泛函微分方程的p阶矩指数稳定性,运用Lyapunov函数和随机分析的方法,得到中立型随机泛函微分方程的p阶矩指数稳定性新的结果.最后通过一个实例表明所得结果的有效性.     

随机微分方程Runge-Kutta方法的矩指数稳定及矩渐近稳定性

考虑逼近随机微分方程的1.5阶Runge-Kutta法的矩指数稳定性和矩渐近稳定性, 对于标量线性检验方程, 证明了随机Runge-Kutta法的矩指数稳
定性和矩渐近稳定性是一致的, 并给出了这两种稳定性的存在条件.     

一般速率下马尔可夫调制随机系统的稳定性

一些稳定的随机系统是非指数稳定的,可能出现方程解收敛的速率较指数速率低的情况,如多项式或对数.为了更精确地定量分析系统的稳定性,文中将指数稳定概念推广到更一般稳定的衰减函数,研究了一类马尔可夫调制随机系统在一般衰减速率下的稳定性.利用It公式、Borel-Cantelli引理和鞅指数不等式等随机分析技巧,先建立了解析解p阶矩(t)稳定和几乎必然(t)稳定的定理,然后证明了在相同的条件下,对足够小的步长Δ,Euler Maruyama方法能保持相同的稳定性.     

脉冲时滞随机微分系统的p阶矩指数稳定性

 利用Razumikhin型方法, 研究脉冲时滞随机微分系统的p阶矩指数稳定性. 结果表明, 与已有方法相比, 所给的两个定理适用范围更广. 数值模拟验证了所得结果的有效性.     

随机时滞系统指数稳定的鲁棒性

研究了一类半线性随机时滞系统的指数稳定性,建立了这类系统均方指数稳定和几乎必然指数稳定的判据     

S-分布时滞随机区间细胞神经网络的全局指数鲁棒稳定性

利用Lyapunov稳定性理论和随机分析的方法,给出了在均方意义下系统全局指数鲁棒稳定性的判据,并且给出了几乎必然指数稳定性的代数判据,通过仿真例子说明结果的实用性。     

不确定时滞随机系统的鲁棒指数稳定

利用Laypunov泛函和Ito微分公式,研究一类半线性不确定时滞系统的鲁棒指数稳定性,给出系统均方指数稳定和几乎必然指数稳定的代数判据.     

随机微分方程的指数稳定性

本文较系统的研究了Ito方程解的指数稳定性。给出了随机指数稳定性、指数p—稳定性、几乎必然指数稳定性的比较准则,这些比较准则推广了Nevel’son和Has’minkiǐ的相应结果。     

具有可变时滞的随机系统的指数稳定性

研究了具可变时滞的随机系统ｄｘ（ｔ）＝［Ｆ（ｔ,ｘ（ｔ）,ｘ（ｔ－δ１（ｔ）））＋Δｆ（ｔ,ｘ（ｔ）,ｘ（ｔ－δ２（ｔ）））］ｄｔ＋ｇ（ｔ,ｘ（ｔ）,ｘ（ｔ－δ３（Ｔ）））ｄｗ（ｔ）的ｐ阶均值指数稳定性与几乎必然指数稳定性,引入对应的随机系统（无时滞与扰动）ｄｘ（ｔ）＝ｆ（ｔ,ｘ（ｔ）,ｘ（ｔ））ｄｔ＋ｇ（ｔ,ｘ（ｔ）,ｘ（ｔ））ｄｗ（ｔ）并假设它是指数稳定的,应用Ｒａｚｕｍｉｋｈｉｎ技巧证明了当时滞δｉ（ｔ）（ｉ＝１,２,３）与扰动Δｆ充分小时,原随机时滞系统仍指数稳定．     

随机延时细胞神经网络的几乎必然指数稳定性

依据细胞神经网络的输出函数特征，将状态空间分解成子区域，研究了一类随机延时细胞神经网络在噪声环境下的几乎必然指数稳定性．当细胞神经网络模型的扰动项满足Lipschitz条件时，得到一些几乎必然指数稳定的代数准则．如果细胞神经网络的平衡点是子区域的内点，并且与这个平衡点相关的矩阵有一个稳定度使扰动稳定，则细胞神经网络的平衡点仍保持指数稳定的性质．所有结果只需计算网络的平衡点与矩阵的特征值．     

变时滞Cohen-Grossberg 随机神经网络的矩指数稳定性

本文讨论了随机变时滞Cohen-Grossberg神经网络的矩指数稳定性.利用Ito公式、时滞微分不等式和神经网络的特征，作者导出了这类神经网络矩指数稳定性的代数条件并给出了一个说明性实例.     

含混合时滞的随机Hopfiled神经网络的全局指数稳定性

考虑一类含混合时滞的随机Hopfiled神经网络,运用Razumikin方法和不等式技巧得到了该网络平凡解的p阶指数稳定性,推广了一些已有的结果,并利用一个例子,说明结果的有效性.