具有混合时滞的随机Cohen-Grossberg神经网络的稳定性分析

研究了均方意义下的具有时变时滞与分布时滞的随机Cohen-Grossberg神经网络的指数稳定性,利用It微分公式和Lyapunov泛函,得到了一个关于其指数稳定时滞无关的充分条件.具体实施方法是运用It微分公式沿所考虑的神经网络对构造的Lyapunov泛函进行微分,得到了系统稳定的代数判据.最后,通过一个数学样例说明了所得结论的有效性.目前文献尚未见同时具有时变时滞与分布时滞的随机Cohen-Grossberg神经网络的指数稳定性的相应结果,由于Cohen-Grossberg神经网络更具有代表性,其研究意义与应用前景不言而喻.     

变时滞Cohen-Grossberg脉冲随机反应扩散神经网络的吸引集

由于神经网络具有有限的放大器转换速度和空间延伸,而且经常受随机和脉冲因素的影响,所以在神经网络的设计中,必须考虑变时滞、脉冲和随机扰动.讨论了变时滞Cohen-Grossberg脉冲随机反应扩散神经网络的吸引集.利用Ito公式,时滞微分不等式和M-矩阵性质,获得了变时滞Cohen-Grossberg脉冲随机反应扩散神经网络的吸引集存在的充分条件.     

随机Cohen-Grossberg神经网络的有限时间稳定性

研究了具有Markov跳的脉冲时滞随机Cohen-Grossberg神经网络的有限时间稳定性问题。在Cohen-Grossberg神经网络模型中,分别考虑了不稳定型脉冲和稳定型脉冲,通过随机分析和平均脉冲间隔方法,分别给出了随机Cohen-Grossberg神经网络在两种脉冲情形下的有限时间稳定的判定依据。     

具有时滞的Cohen-Grossberg神经网络的指数输入-状态稳定

【目的】研究具有时滞的Cohen-Grossberg神经网络模型的指数输入-状态稳定。【方法】通过构造新的Halanay微分不等式来证明主要结果。【结果】对于所建立的一类具有时滞的Cohen-Grossberg神经网络模型获得了该系统指数输入-状态稳定的充分条件。【结论】此方法不仅改善了一些保守性的条件并且本文中的神经网络模型更具有一般性,一个数值例子也表明该方法是有效的。     

脉冲时滞Cohen-grossberg神经网络的指数稳定性

分析了脉冲时滞Cohen-Grossberg神经网络的平衡点的存在唯一性及全局指数稳定性.利用Liapunov函数方法和同胚映射理论,结合积分不等式技巧,得到了保证脉冲时滞Cohen-Grossberg神经网络全局指数稳定性的一个新的充分判据.所得判据改进了前人的结果.     

时滞回归神经网络Lagrange稳定的一个新判据

运用时滞微分不等式的方法,对一类Lurie型的激励函数(包括有界和无界激励函数)的时滞回归神经网络,在Lagrange意义下全局指数稳定进行了研究,拓展了稳定性的充分判据,并通过数值例子验证了所得结论的正确性和有效性。     

具有混合时滞Cohen-Grossberg随机神经网络的均方指数稳定性

研究了具有时变时滞与分布时滞的随机Cohen-Grossberg神经网络的均方指数稳定性.运用It微分公式沿所考虑的神经网络对构造的Lyapunvo函数进行微分,利用时滞微分不等式得到其均方指数稳定的几个充分判据.仿真例子证明了结果的有效性.     

变时滞Cohen-Grossberg随机神经网络的矩指数稳定性

本文利用随机积分的伊腾公式,时滞微分不等式及随机时滞神经网络的特性 讨论变时滞Cohen-Grossberg随机神经网络的矩指数稳定性,实例证明本文结果的优越性.     

具有混合时滞的脉冲Cohen-Grossberg神经网络的指数耗散性

通过建立一个脉冲时滞微分不等式,并利用M-锥的特性,作者得到了具有混合时滞的脉冲Cohen-Grossberg神经网络指数耗散的充分条件,推广了早期的相关结果.     

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.