一类具时滞细胞神经网络的全局一致渐近稳定性

讨论了一类具时滞细胞神经网络平衡点的全局一致渐近稳定性, 通过构造合适的Lyapunov泛函, 得到了三个具时滞细胞神经网络全局一致渐近稳定性的新的充分条件。     

具时滞细胞神经网络周期解的全局渐近稳定性

讨论一类具时滞细胞神经网络周期解的全局渐近稳定性.通过构造合适的Lyapunov泛函及应用Barbalat引理,得到了具时滞细胞神经网络周期解的全局渐近稳定性的新的充分条件.最后通过数值算例及仿真证明了所得结论的有效性.     

多时滞和分布时滞细胞神经网络的全局渐近稳定性

应用Young不等式技术和构造适当的Lyapunov函数,研究了同时具有多时变时滞和分布时滞的细胞神经网络的全局渐近稳定性问题.得出了时滞细胞神经网络的平衡点全局渐近稳定的几个充分判据.与现有一些文献中的结果相比,所得到的这些判据具有保守性小,适用范围宽等特点.仿真示例验证了所得结果的有效性.     

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.     

一类具比例时滞细胞神经网络的全局渐近稳定性

研究一类具多比例时滞细胞神经网络的全局渐近稳定性.首先应用Brouwer不动点定理证明该系统平衡点的存在性,其次根据矩阵谱半径理论证明该系统平衡点的唯一性,然后通过构造合适的Lyapunov泛函及运用不等式的分析技巧,与Barbalat引理相结合,讨论该系统平衡点的全局渐近稳定性,并得到该系统全局渐近稳定的时滞无关和时滞相关的2个新的充分条件,最后给出数值算例及仿真结果验证所得结论的正确性.     

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．     

一类时滞细胞神经网络的稳定性研究

利用Ｌｙａｐｕｎｏｖ泛函方法和不等式分析技巧,研究了一类时滞细胞神经网络的稳定性,给出了一类时滞细胞神经网络全局渐近稳定的一个新的充分条件。     

变时滞非线性细胞神经网络稳定性分析

通过构造新的Lyapunov-Krasovskii泛函和线性矩阵不等式（linear matrix inequatity,LMI）, 研究变时滞非线性细胞神经网络渐近稳定性, 利用牛顿-莱布尼兹公式, 一些参数矩阵表达出系统变量之间的关系。从而得出一个具有变时滞相关的全局渐近稳定性判据, 其扩展并改善了以前文献的结果。 数值及仿真例子验证了结果的有效性。     

变时滞非线性细胞神经网络稳定性分析

通过构造新的Lyapunov-Krasovskii泛函和线性矩阵不等式(linear matrix inequatity,LMI),研究变时滞非线性细胞神经网络渐近稳定性,利用牛顿-莱布尼兹公式,一些参数矩阵表达出系统变量之间的关系。从而得出一个具有变时滞相关的全局渐近稳定性判据,其扩展并改善了以前文献的结果。数值及仿真例子验证了结果的有效性。     

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.     

具有离散和分布时滞的中立型细胞神经网络的全局渐近稳定性

文章研究了一类具有离散和分布时滞的中立型细胞神经网络的全局渐近稳定性问题,首先利用拓扑度原理等相关知识,证明了系统的平衡点的存在唯一性,然后通过构造Lyapunov-Kra-sovskii泛函,得出了具有离散和分布时滞的中立型神经网络系统的平凡解的全局指数稳定性的判别条件。     

关于时滞细胞神经网络全局稳定性的一些注记

首先证明具有时滞的细胞神经网络平衡点的一个存在性定理．然后，利用这定理分别得到该类神经网络的全局渐进稳定性与全局指数稳定性的判据各一个．最后，给出利用所得的新判据判别时滞细胞神经网络的全局稳定的两个例子。     

S-分布时滞区间细胞神经网络的全局渐近鲁棒稳定性

研究了一类具有S-分布时滞的区间细胞神经网络的全局渐近鲁棒稳定性问题，得到了实用有效的判别准则并给出了实例．     

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。     

分流抑制细胞神经网络的稳定性

讨论了分流抑制细胞神经网络的完全稳定性与全局渐近稳定性,改进了已有的结论．     

Stability Analysis for Stochastic Delayed High-order Neural Networks

In this paper, the global asymptotic stability analysis problem is considered for a class of stochastic high-order neural networks with tin.delays. Based on a Lyapunov-Krasovskii functional and the stochastic stability analysis theory, several sufficient conditions are derived in order to guarantee the global asymptotic convergence of the equilibtium paint in the mean square. Investigation shows that the addressed stochastic highorder delayed neural networks are globally asymptotically stable in the mean square if there are solutions to some linear matrix inequalities （LMIs）. Hence, the global asymptotic stability of the studied stochastic high-order delayed neural networks can be easily checked by the Matlab LMI toolbox. A numerical example is given to demonstrate the usefulness of the proposed global stability criteria.