具有离散和分布时滞的脉冲神经网络的全局指数稳定性

研究了一类具有离散和分布时滞的脉冲神经网络的全局稳定性。基于微分方程的Lyapunov稳定性理论和线性矩阵不等式（LMI）处理方法,得到了系统全局指数稳定的充分条件。     

中立型四元数神经网络的稳定性分析

讨论了中立型四元数神经网络的全局μ稳定问题.用复分解法将中立型四元数神经网络转换为2个复值神经网络,减少了计算复杂度.根据同胚映射理论证明了时滞中立型四元数神经网络系统解的存在唯一性.构造了李雅普诺夫泛函,通过不等式技巧和自由权矩阵方法等分析技巧,分析给出了时滞四元数神经网络系统的全局μ稳定的稳定性判据以及它的一个推论.最后,通过1个数值算例验证文章方法的有效性和结论的正确性.     

具时滞离散型神经网络指数同步问题

给出了具有时变时滞的离散型神经网络全局指数同步的定义,并对一类具有时变时滞的离散型时滞神经网络的全局指数同步问题作了详细的研究,得出了一类离散型神经网络全局指数同步的充分性判据,可通过LMI工具箱检验判据有效性。     

一类时滞中立型脉冲系统的稳定性分析

探讨了一类时滞中立型脉冲系统的全局指数稳定性问题.基于李雅普诺夫稳定性理论,运用线性矩阵下等式技术给出了系统的全局指数稳定性的充分条件,并利用该理论可进一步分析其它中立型脉冲时滞系统的指数稳定性问题。     

时滞Hopfield神经网络的稳定性研究

本文讨论了具有离散时滞和具有连续分布时滞的Hopfield 神经网络微分系统平衡点的全局渐近稳定性.去掉了有关文献中关于fi在R上有界性,可微性的条件,给出了更弱、实用性较强的判定平衡点的存在唯一性及全局渐近稳定性的条件.     

具时滞离散和分布BAM神经网络的全局渐近稳定性

研究一类同时具离散时滞和分布时滞的BAM(bidirectional associative memory)神经网络平衡点的全局渐近稳定性问题.所给BAM模型对激活函数做了扇形非线性条件假设,利用M矩阵理论,通过构造新的LyapLlnov函数并利用一些分析技巧,获得具时滞离散和分布BAM神经网络的全局渐近稳定性的充分条件.数值例子说明了所得结果的有效性.     

时滞脉冲中立型神经网络的不变集与吸引集

通过建立奇异脉冲时滞积分微分不等式,作者给出了确定具有分布时滞非自治脉冲中立型神经网络的不变集与全局吸引集的充分条件.所得结论推广和改进了已有的相关结果.     

混合变时滞的中立型神经网络全局指数稳定性

利用Lyapunov—Krasovskii稳定性理论和线性矩阵不等式（LMI）处理方法,研究了一类具有混合时变时滞的中立型细胞神经网络的全局指数稳定性问题,获得了该模型平衡点全局指数稳定的一个新的充分条件．改进和推广了已有文献的结果,降低了系统的保守性．所得结论对更好的模拟细胞神经网络的行为具有重要的指导意义．     

具有分布时滞的随机中立型系统的均方指数稳定性

文章讨论具有分布时滞的随机中立型系统的均方指数稳定性.根据线性矩阵不等式方法,得到了一个关于随机中立型系统时滞相关的均方指数稳定性判据.数值例子说明了此方法的可行性和有效性.     

具有不确定和混合时滞中立系统的鲁棒稳定性分析

讨论了一类具有分布和离散混合时滞的不确定中立型系统的鲁棒稳定性.通过构造包含时滞上、下界及其中点信息的Lyapunov-Krasovskii泛函,并结合Jensen不等式和倒数凸引理得到了基于线性矩阵不等式的系统鲁棒稳定性判据.通过数值例子说明了本文方法的有效性和更小的保守性.     

离散时滞的模糊细胞神经网络的渐近稳定性

通过Lyapunov函数讨论具有离散时滞的模糊细胞神经网络(Fuzzy Cellular Neural Networks,FCNN)的全局渐近稳定性,得到全局渐近稳定性的一些充分条件．     

基于LMI的随机时滞神经网络的全局渐近稳定性分析

研究了一类时变时滞与分布时滞的随机神经网络模型的全局渐近稳定性,该模型考虑了神经网络的随机扰动性.通过构造适当的Lyapunov泛函,以线性矩阵不等式的形式给出了系统全局渐近稳定的充分条件.最后,数值算例说明了结果的正确性.     

一类细胞神经网络的时滞相关全局稳定性判据

研究了一类带有离散和分布时间滞后的不确定时滞细胞神经网络(DCNN)的全局渐进稳定性。应用李亚普诺夫稳定性理论,构造李亚普诺夫泛函,结合Leibniz-Newton公式,给出一个关于时滞细胞神经网络的新颖的全局渐进稳定性判据,所得出的结论依赖于时间滞后的最大值并且以线性矩阵不等式的形式给出。最后给出一个数值例子来说明所提判据的有效性和可行性。     

脉冲高阶时滞Hopfield型神经网络的稳定性分析

针对进化过程中顺序的突然改变导致无法用纯连续或纯粹的离散神经网络来描述的问题,给出了脉冲高阶时滞Hopfield型神经网络模型,并得到时滞脉冲系统渐近稳定的结果.然后,利用该结果和李亚普诺夫方法以及数学分析技术分析网络的稳定性.在激励函数连续、单调有界的条件下,给出了保证脉冲高阶时滞Hopfield型神经网络全局一致渐近稳定的充分条件.这些条件含有许多可调参数,为神经网络提供灵活的设计与分析;并且易于检验,适用于分析生物神经系统的动态特性或设计全局稳定的神经网络.最后,通过仿真实例说明了所得结果的有效性.     

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.     

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.     

随机中立型时滞神经网络的全局渐近稳定性判据

研究一类含有变时滞的随机中立型神经网络的全局渐近稳定性问题.通过构造一个新的Lyapunov Krasovskii泛函和不等式技术,得到了基于线性矩阵不等式表示的与时滞大小有关的时滞稳定的充分判据.该判据考虑了一类含有分布式时滞和随机扰动项并且激活函数是常量(正数、负数和零)的中立型神经网络,与现有文献相比,其更具有一般性和较少保守性.最后,通过2个算例分析,验证了所得结果是有效的.     

一类具变时滞细胞神经网络的全局渐近稳定性

讨论一类具变时滞细胞神经网络平衡点的唯一性和全局渐近稳定性,利用矩阵不等式,通过构造合适的Lyapunov泛函,得到了具变时滞细胞神经网络全局渐近稳定性的新的充分条件．     

一类带有混合时滞的神经网络全局渐进稳定分析

针对一类具有离散和无穷分布时滞的神经网络模型,通过构造新的Lyapunov函数,解决了含有无穷分布时滞的系统稳定问题,给出了全局渐近稳定的充分条件.首次以Hadamard乘积将系统用向量形式表示,并用线性矩阵不等式表示所得结果,稳定判据不依赖于时间延迟大小,不要求神经元激励函数的有界性、可微性,只与连接矩阵和延迟的导数...