一类时滞细胞神经网络的稳定性分析

讨论一类具有时滞和变时滞的细胞神经网络的指数稳定性问题,利用Lyapunov泛函的方法,给出了判定此类时滞细胞神经网络平衡点全局指数稳定性的几个充分条件,推广了一些文献的结果,使此类模型的应用更加广泛.     

具有有界多时变时滞细胞神经网络的全局指数稳定性

利用变系数时滞微分不等式,给出具有有界多时变时滞细胞神经网络全局指数稳定性的一些充分条件.     

基于LMI的时滞细胞神经网络的指数稳定性分析

研究了一类具有时滞的细胞神经网络的指数稳定性问题,利用Lyapunov Krasovskii函数,给出了系统全局指数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,并且能够达到时滞无关指数稳定性和全局渐近稳定性.数值算例说明了本文结果的优越性.     

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。     

具有脉冲和时滞的细胞神经网络的全局指数稳定性

讨论了一类具有时滞的脉冲细胞神经网络的全局指数稳定性.利用Lyapunov函数和不等式技巧得到了该系统全局指数稳定的一个新的充分条件,该结果具有更好的适用性.     

一类变时延细胞神经网络的的全局指数稳定性

讨论了一类具有可变时延的细胞神经网络的平衡点的存在性及全局指数稳定性,利用Brouwer不动点定理和推广的Halanaly时延微分不等式,构造合适的Lyapunov函数,获得了该神经网络全局指数稳定的简单实用的判别条件.一个例子说明了它的应用.     

具有时变时滞的Hopfield神经网络的全局指数稳定性及衰减速度估计

应用Razumikhin型稳定性定理讨论了具有时变时滞的Hopfield神经网络平衡点的全局指数稳定性,给出了系统全局指数稳定的时滞相关和时滞无关的充分条件,同时讨论了这类系统的衰减速度.最后,通过一个例子说明本文结果的优越性.     

变时滞并联限制细胞神经网络的全局稳定性

研究了交时滞并联限制细胞神经网络的全局稳定性,给出了变时滞并联限制细胞神经网络全局鲁棒稳定和全局指数稳定的充分条件。     

时滞并联限制细胞神经网络的时滞依赖的全局稳定性

通过构造合适的Lyapunov函数,研究了时滞并联限制细胞神经网络的全局稳定性,给出了并联限制细胞神经网络的时滞依赖的全局鲁棒稳定且是全局指数稳定的充分条件。     

具一般输出函数的时滞细胞神经网络的指数稳定性

讨论了具有一般输出函数的时滞细胞神经网络模型的全局指数稳定性,给出了一个使模型具有惟一的全局指数稳定的平衡点的充分条件,这一结果包含已有文献中的许多结果作为特例.     

时变时滞不确定控制系统二次镇定研究

研究了一类时变时滞不确定控制系统的鲁棒镇定性.该系统的不确定参数是时变未知但范数有界的.利用线性矩阵不等式和二次李雅普诺夫-克拉索夫斯基泛函,获得了具有任意有界时变时滞控制系统稳定的一些充分条件,并设计了状态反馈控制器,使相应闭环系统是鲁棒稳定的.最后,通过一个数值算例说明了所获得结果的有效性.     

一类三角形网格无线传感器网络监测性能评价方法

针对无线传感器网络结构不统一,缺乏针对性的网络监测性能评价标准这一问题,该文分析了节点失效对一类三角形网格传感器网格监测性能的影响,提出了以失效节点率、活跃节点的失效覆盖邻居节点数、网络分支数、网络覆盖损失率等因素作为评价标准.该评价标准构成该类型网络的监测性能评价模型.结合网络结构给出了一种三角形网格化的方法,用来计算网络覆盖损失率的准确值.仿真结果表明在不同节点失效情况下,该评价标准能有效地评估网络监测性能受影响的程度.     

一类变系数变时滞微分系统的一致渐近稳定性

文章讨论了一类变系数变时滞微分系统的一致渐近稳定性,利用拉兹密辛型条件及稳定性的有关理论,得到了该系统零解的一致渐近稳定性的简明判据.     

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。     

二阶连续型Hopfield神经网络的平衡点及全局指数稳定性

讨论输出响应函数为非光滑的二阶连续型Hopfield神经网络的平衡点的存在和唯一性,得到了该类网络平衡点存在并且唯一的两个充分条件.同时,该类网络的唯一平衡点全局指数稳定的一个新判据被获得.作为特例,输出响应函数为非光滑的一阶连续型Hopfield神经网络的一些新判据也被得到.这些新判据是文献[3]的诸结果的改进.     

含可变时延的大规模通有神经网络动力系统的吸引域

使用不等式技巧和非负矩阵性质,讨论了含可变时延的大规模通有神经网络动力系统的渐近行为,建立了估计该平衡态吸引域的方法。当时延有界时,给出了平衡态的指数吸引域及指数收敛速度估计。所得结论可用于含时延的大规模通有神经网络动力系统的容错性能评价以及综合过程。     

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.     

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.     

基于贝叶斯网络的客户流失分析

随着电信市场竞争加剧,客户流失现象成为电信运营商关注的问题。文中基于数据挖掘手段,采用贝叶斯网络分类器,进行电信客户流失分析。在贝叶斯网络构造过程中,结合采用K2和MC-MC算法构建网络。根据贝叶斯网络的拓扑结构,筛选出客户流失相关的显著指标;由条件概率表确定客户的流失规则,进而确定高流失的客户群。考虑分类的误判损失函数,给出不同分类临界值下,贝叶斯网络模型的分类效果。与其它分类算法相比,比如决策树和人工神经网络,在客户流失率很低的情况下,该算法不需要进行“过量抽样”。     

具有联想功能的时滞神经网络的渐近稳定性

利用Razumikhin条件和具体的Lyapunov函数,讨论了Hopfield模型平衡点的稳定情况。对两类不同的时滞模型进行的不同的研究,得到了时滞相关和时滞无关的条件：时滞相关条件是当时滞适当小时,滞后模型和无滞后模型具有相同的稳定性,并给出了滞后界限的估计;时滞无关的条件则要求系数有较强的条件。