捕食者具有传染病的时滞捕食系统模型分析

提出了一类捕食者具有传染病的时滞生态-流行病模型.该模型中,捕食者和食饵均具有密度制约,并引入时滞对模型加以讨论.利用特征根法、函数分析法及线性化方法对模型动力学特性进行分析.证明了模型平衡点的存在性并分析其渐近稳定性,得出系统平衡点的渐近稳定性和Hopf分支存在的充分条件.     

网络上具有一般直接免疫的SIRS传染病模型分析

考虑复杂网络上具有一般直接免疫率的SIRS传染病模型。由地方病平衡点的存在性,确定了传染病的流行阈值λc,并且通过构造合适的李雅普诺夫函数证明:当λ≤λ_c时,无病平衡点全局渐近稳定;当λλ_c时,地方病平衡点全局渐近稳定。根据免疫率的分布,提出了一致性直接免疫和目标性直接免疫。结果表明,在平均免疫率相等的条件下存在免疫丧失率的临界值δ_c,当δδ_c(δδ_c)时,目标性免疫的流行阈值小于(大于)一致性免疫的流行阈值。     

一类改进的HIV病理模型的全局稳定性

将治愈率引入经典的HIV病理模型,构建一个改进的HIV病理模型.证明了改进模型中无病平衡点的全局稳定性,给出染病平衡点全局稳定性的参数域,并进行了相关的数值模拟,进而发现当染病平衡点不稳定时模型存在周期解.研究结果表明:提高治愈率是有效控制HIV感染的重要途径.     

具有时滞的动态神经元的全局稳定性分析

分析了具有时滞的动态神经元的全局吸引子的存在性以及全局稳定性.首先利用耗散性理论给出了具有时滞的动态神经元的全局吸引子的存在性.进而通过选取适当的李雅谱诺夫泛函并利用一些分析技术,给出了具有时滞的动态神经元的全局渐近稳定的新的充分条件以及全局吸引子的结构.帕克达曼的结果是本文结果的特殊情形.     

现实复杂情形下的SIRS型传染病模型及其控制策略

研究现实复杂情形下(包含非线性传染率、有隔离措施、群外个体迁入、生育与死亡以及疾病可水平和垂直传播等)的SIRS型传染病模型。首先证明该传染病模型的无病平衡点与地方病平衡点的唯一存在性及渐近稳定性;然后从基本再生数以及折衷考虑人道主义、救治代价与疾病控制效果的原则,针对流行于人类的传染病,提出优先隔离染病个体、提高疾病治愈率以及控制传染病垂直传播的传染病综合控制策略;最后,数值仿真验证了模型的稳态特性以及综合控制策略的有效性。     

基于最优控制的船舶航迹全局NPD控制算法

针对如何设计船舶航迹控制参数达到期望控制性能的问题,围绕给出的船舶航迹控制目标,首先求解了船舶航迹零平衡点局部最优控制的解析解,然后根据船舶航迹控制全局渐近稳定的条件和航迹非线性比例微分（nonlinear proportion derivative, NPD）控制的物理意义,设计了船舶直线航迹全局NPD控制算法的解析式,该解析式描述了船舶航迹控制性能与船舶运动参数之间的解析关系,并且保证了船舶航迹闭环控制系统全局渐近稳定。数字仿真验证了航迹NPD控制算法的有效性;进一步的实船试验结果表明,根据航迹NPD控制解析式设计的航迹控制器达到了期望的控制精度和性能。     

直线不稳定船舶航迹控制的稳定性研究

针对直线不稳定船舶的全局直线航迹控制,提出了一类航迹非线性状态反馈控制算法。采用Lya-punov直接法分析系统的稳定性,得到了保证闭环控制系统全局渐近稳定的充分条件,从而解决了直线不稳定船舶航迹闭环控制系统全局稳定性的判定问题。数值仿真和模拟试验结果验证了该充分条件的正确性。     

一类时滞动力网络的时滞相关稳定性

研究了节点含时滞的复杂动力网络在平衡点的稳定性.基于时滞微分不等式和李雅普诺夫稳定性理论,提出了此网络的时滞相关的局部渐近稳定的充分条件,并给出了时滞上界的具体表达式.最后的数值模拟分析表明结果是可行且有效的.     

一类低速水下航行器的自适应反演运动控制

针对一类安装了垂向推进器的低速水下航行器,研究了垂直面内的非线性运动控制问题.考虑水下航行器动力学模型中的未知参数,采用反演技术设计非线性自适应控制器,使水下航行器的深度和俯仰角全局渐近稳定到期望值.利用REMUS水下航行器的数学模型进行仿真研究,结果验证了该控制器的全局渐近稳定性,以及对未知模型参数的自适应性.     

投资系统的稳定性分析

利用初值比较法分析了投资系统发展方程在定常状态下解的渐近稳定性，得到了当时间趋于无穷时其解的极限是存在的，且在空间Ｃ１［０，ａｍ］上是全局渐近稳定的。     

Almost Automorphic Solutions for Quaternion-Valued Hopfield Neural Networks with Mixed Time-Varying Delays and Leakage Delays

This paper considers a class of quaternion-valued Hopfield neural networks with mixed time-varying delays and leakage delays. By utilizing the exponential dichotomy of linear differential equations, Banach's fixed point theorem and differential inequality techniques, the authors obtain some sufficient conditions to ensure the existence and global exponential stability of almost automorphic solutions for this class of quaternion-valued neural networks. The results are completely new. Finally,the authors give an example to illustrate the feasibility of the results.     

Stability of discrete Hopfield neural networks with delay

1.INTRODUCTION DiscreteHopfieldneuralnetwork(DHNN)isoneof thefamousneuralnetworkswithawiderangeofap plications,suchascontentaddressablememory,pat ternrecognition,andcombinatorialoptimiza tion[1～5].ThestabilityofDHNNmeansthatevery trajectorymustconvergetowardsanequilibrium point,oralimitcycle.Becausethestabilityof DHNNisthefoundationofthenetwork’sapplica tionsandisthemostbasicandimportantproblem,thestabilityanalysisoftheDHNNhasattractedcon siderableinterest.Manyresearchershavefocu…     

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.     

On the exponential stability of neural networks systems with time-varying delay

In this paper, exponential stability of Hopfield-type neural networks with time-varying delays are analyzed. By using the Lyapunov functional method, sufficient conditions are obtained for general exponential stabilities. At the same time, the output functions do not satisfy the Lipschitz conditions and do not require them to be differential or strictly monotonously increasing. Moreover, all results are established without assuming any symmetry of the connection matrix.A numeric example is pressented to show the effective of these criteria.     

Global Asymptotic Synchronization of a Class of BAM Neural Networks with Time Delays via Integrating Inequality Techniques

In this paper, the authors are concerned with global asymptotic synchronization for a class of BAM neural networks with time delays. Instead of using Lyapunov functional method, LMI method and matrix measure method which are recently widely applied to investigating global exponential/asymptotic synchronization for neural networks, two novel sufficient conditions on global asymptotic synchronization of above BAM neural networks are established by using a kind of new study method of global synchronization: Integrating inequality techniques. The method and results extend the study of global synchronization of neural networks.     

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 …     

一类延时细胞神经网络的指数周期性与稳定性

细胞神经网络动态行为的研究是细胞神经网络应用的理论基础。对一类具分布延时细胞神经网络,研究了其全局指数周期性与稳定性。在输出函数满足全局Lipschitz连续的条件下,通过构造合适的Lyapunov泛函,给出了延时细胞神经网络全局指数周期性与稳定性的容易验证的充分条件。给出了算例及其仿真结果来验证所得结论,并说明所得结论与文献[16]的结论是相互独立的。     

离散Hopfield神经网络的异步渐近行为

主要研究非对称离散Hopfield神经网络和带有延迟项的非对称离散Hopfield神经网络的异步渐近行为。提出了异步演化的网络状态图和网络状态图的洞的概念 ,研究了网络状态图的洞和神经网络的异步稳定性之间的关系。给出了非对称离散Hopfield网络的异步稳定条件和不稳定条件以及某些特殊情况下的网络状态图的结构。同时 ,也得到了非对称延迟离散Hopfield网络的异步收敛性条件。所获结果推广了一些已有的结论。     

具分布延时细胞神经网络的指数周期与稳定性

研究了具分布延时细胞神经网络的全局指数周期性与指数稳定性。在没有假设激活函数是有界的、可微的、单调增的情况下,通过应用一些新的分析技巧与Halanay-type不等式方法,得到了确保延时细胞神经网络周期解存在唯一且全局指数周期与全局指数稳定的简单的、容易验证的、新的充分条件。并给出了算例及其仿真结果支持所得结论。     

不同演化模式的离散Hopfield网络的稳定性研究

神经网络的稳定性被认为是神经网络应用的基础。研究了非对称离散Hopfield神经网络的异步、同步、部分同步演化方式的稳定性 ,证明得到对于已知稳定的网络 ,如果经其连接权矩阵一定的增量 ,得到一个新的连接权矩阵 ,则在一定条件下可保证所得新的网络仍是稳定的。所获结果不仅推广了已有的结论 ,而且为离散Hopfield神经网络稳定性的稳健性能分析和应用提供了理论基础。