Stability analysis of extended discrete-time BAMneural networks based on LMI approach

1 .INTRODUCTIONBidirectional associative memory model is a kind ofneural network models in common use with the abili-ty of information memory and association. Since thedistributed memory of the information,the networkcan associate a completed and clear mode stored in itfroman uncompleted and fuzzy mode . Bidirectionalassociative memory (BAM) proposed by B. KoskoinRef .[1] is a generalization of Cohen-Grossberg’smodel from single layer to two layers . Since then,there have beenlots of …     

Existence and Global Exponential Stability of Pseudo Almost Periodic Solutions of a General Delayed BAM Neural Networks

This paper studies a class of general BAM neural networks with multiple delays. Employing the exponential dichotomy theory and fixed point method, together with constructing suitable Lyapunov functionals, easily verifiable delay-independent criteria are established to ensure the existence and global exponential stability of pseudo almost periodic solutions, which not only generalize but also complement some existing ones. These theoretical results are also supported with numerical simulations.     

一类时滞递归神经网络间的鲁棒自适应同步

针对一类具有不同吸引子的时滞递归神经网络间的同步问题,提出了一个自适应同步控制策略,建立了具有不同吸引子的两个神经网络间全局鲁棒同步的一个新判据。所提出的自适应同步控制策略不仅适用于结构已知的神经网络,而且也适用于不同结构和部分参数已知的神经网络,且对未知参数部分,由自适应更新律来辨识其参数。所提出的同步判据容易验证和控制律容易实现,数值仿真验证了所提方法的有效性。     

一类混合时滞系统的混沌同步与应用

针对一类混合时滞系统的同步性问题,提出了这类系统混沌同步的一般化结果.利用Lyapunov函数,结合不等式技巧及驱动-响应方法,通过一个控制律来实现两个可辨识混合时滞系统的状态同步,并获得了实用的构造性代数条件,使得混沌同步的研究结果一般化,推广了已有结果.讨论了所获得的结果在生物学及神经网络中的应用,得到相应的同步控制充分性条件,进一步扩展了已有结果.     

具有时滞的二阶Hopfield神经网络的稳定性分析

对具有时滞的二阶Hopfield型神经网络平衡点的全局渐近稳定性问题进行了研究。在不要求连接权矩阵的对称性和输入输出函数的可微性与单调性的情况下 ,通过构造适当的Lyapunov泛函得到了网络平衡点的存在性和全局渐近稳定性的若干充分条件 ,这些条件可用于设计全局渐近稳定的二阶人工神经网络。     

超混沌时滞神经网络的同步及其仿真

时滞神经网络是解空间为无穷维的非线性动力系统,这样的系统可产生具有多个正的Lyapunov指数的超混沌行为。复杂的时间序列使得这类系统特别适用于保密通信中。针对一类时滞超混沌神经网络系统,利用单向耦合同步概念,设计了一个非线性控制器,并通过Lyapunov-Krasovskii方法和Halanay不等式引理分别给出了系统渐进同步和指数同步的与时滞无关的充分条件。通过引入控制矩阵正定的条件,避免了繁复的LMI计算,简化了控制过程。数值仿真验证了该方法的有效性,数值计算给出了指数同步率和控制参数的关系。     

一类参数不确定统一混沌系统的脉冲同步

针对一类参数不确定统一混沌系统的同步问题,提出一种脉冲同步方法.该方法采用响应系统与驱动系统状态变量误差的线性反馈作为脉冲控制信号,驱动两个统一混沌系统达到全局渐近同步.基于脉冲微分方程理论,给出了统一混沌系统一组新的全局渐近同步判据,特别地,当脉冲间距与脉冲控制增益相等时,给出了更为简单和实用的同步判据,同时讨论了脉冲间距对同步性能的影响,仿真结果验证了方法的有效性.     

基于时变延迟混沌神经网络的H∞同步保密通信

针对一类含保密信息的时变延迟混沌神经网络,提出了同结构H_∞同步控制方案, 在实现同步后能有效恢复出隐藏的多路明文信号。利用线性矩阵不等式方法为同结构时变延迟混沌神经网络设计了H_∞同步控制器,在此基础上应用Lyapunov方法分析了同步误差的收敛性。当同步误差收敛时,可根据被动系统状态恢复出所传输的隐藏信号。仿真结果表明,该控制方案可以实现变时延混沌神经网络同步,并能恢复出多路明文信号。     

遗传算法在神经网络控制中的应用与实现

比较了遗传算法与神经网络的特点，并对将遗传算法用于前向神经网络的可能性进行了研究，同时阐明了遗传算法和神经网络结合的必要性，提出了一种融合遗传算法的神经网络控制方法，该方法采用多层前向神经网络作为遗传搜索表示方式的思维，以神经网络为基础，用遗传算法 习神经网络的权系数，即保留了遗传算法的强全局随机搜索能力，又具有神经网络的鲁棒性和自学习能力，将遗传算法和神经网络相结合，分析了遗传算法基本参数及神经网络结构、隐层和输出层节点非线性函的选择，设计了用遗传算法学习神经网络权系数的软件实现方法，成功地实现了机械手逆运动学求解问题及倒立摆的控制，仿真结果显示了遗传算法快速学习神经络权系数的学习效率与收敛精度，确保了快速达到全局收敛，克服了多层前向神经网络传统的BP学习算法精度低、收敛速度慢、容易陷入局部极小的缺陷，表明了该方法的可行性与有效性。     

Finite-Time and Fixed-Time Synchronization of Inertial Neural Networks with Mixed Delays

This paper considers the drive-response synchronization in finite-time and fixed-time of inertial neural networks with time-varying and distributed delays(mixed delays). First, by constructing a proper variable substitution, the original inertial neural networks can be rewritten as a first-order differential system. Second, by constructing Lyapunov functions and using differential inequalities,some new and effective criteria are obtained for ensuring the finite-time synchronization. Finally, three numerical examples are also given at the end of this paper to show the effectiveness of the results.     

Nonlinear Dynamics and Stability of Neural Networks with Delay-Time

In this paper we study the dynamic properties and stabilities of neural networks with delay-time (which includes the time-varying case) by differential inequalities and Lyapunov function approaches. The criteria of connective stability, robust stability, Lyapunov stability, asymptotic atability, exponential stability and Lagrange stability of neural networks with delay-time are established, and the results obtained are very useful for the design, implementation and application of adaptive learning neural networks.     

离散和分布时变时滞混沌神经网络广义投影同步

研究一类离散和分布时变时滞的混沌神经网络的广义投影同步问题.利用非线性观测器方法实现同步十分简单,且利用极点配置技术,可通过调整特征值来调节同步速率的快慢.与一般混沌神经网络模型相比,带有离散和分布时变时滞的混沌神经网络模型更为一般,同时反同步和完全同步是广义投影同步的特例.最后,提出基于广义投影同步的离散和分布时变时滞混沌神经网络的保密通信方案,给出两个数值仿真例子验证结果的有效性.     

Robust stability for stochastic interval delayed Hopfield neural networks

A type of stochastic interval delayed Hopfield neural networks as du(t) = [-AIu(t) WIf(t,u(t)) WIτf7τ(uτ(t)] dt σ(t, u(t), uτ(t)) dw(t) on t≥0 with initiated value u(s) = ζ(s) on - τ≤s≤0 has been studied. By using the Razumikhin theorem and Lyapunov functions, some sufficient conditions of their globally asymptotic robust stability and global exponential stability on such systems have been given. All the results obtained are generalizations of some recent ones reported in the literature for uncertain neural networks with constant delays or their certain cases.     

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.     

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。     

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.     

变时滞广义神经网络的指数稳定性

讨论具有可变时滞的Cohen Grossberg广义神经网络平衡态的稳定性问题。以推广的Halanay微分不等式为工具,通过构造合适的Lyapunov函数,结合Dini导数和不等式技巧,对具有可变时滞(适合于任何时滞有界情况)的广义神经网络平衡态的指数稳定性进行分析。在适当的假设条件下,得到了系统渐近指数稳定的几个充分性判据,与此同时也给出了相应的Lyapunov指数。     

Equilibria and Stability Analysis of Cohen-Grossberg BAM Neural Networks on Time Scale

Journal of Systems Science and Complexity - This paper considers the Cohen-Grossberg BAM neural networks (CG-BAMNNs) on time scale, which can unify and generalize the continuous and discrete...     

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.     

一种基于遗传算法的小波神经网

网络的优化学习是人工神经研究中的一个重要问题.将遗传算法全局性优化搜索和小波分析的时-频局部性特点相结合,本文提出了一种基于遗传算法学习的小波神经网络--遗传算法小波神经网络(WNNGA).三位异或问题和双螺旋问题的实验结果证明,遗传算法小波神经网络不仅继承了小波分析良好的局部性及其神经网络的学习和推广能力,而且具有遗传算法全局快速寻优的特点,是多层前向神经网络学习的一种理想算法.