比例时滞神经网络的时滞依赖全局多项式同步性

研究以比例时滞神经网络作为驱动-响应系统的多项式同步性.首先,通过一个非线性变换将比例时滞神经网络等价变换成具常时滞变系数的神经网络;然后,基于变换后的驱动-响应系统得到误差系统,通过构造Lyapunov泛函和应用线性矩阵不等式方法研究误差系统的指数稳定性,进而得到原驱动-响应系统的全局多项式同步性,得到了2个保证驱动...     

忆阻型模糊细胞神经网络在时滞脉冲控制下的全局指数同步

文章研究了忆阻型模糊细胞神经网络的全局指数同步控制问题。首先,通过采用Filippo解和可测选择理论将忆阻模糊细胞神经网络转化成一类参数不确定的神经网络,并给出一个新颖的不等式以解决模糊反馈连接权重的参数不确定问题;然后,通过设计时滞脉冲控制器,并结合李雅普诺夫函数法、脉冲不等式以及给出的新的不等式,得到驱动忆阻模糊细胞神经网络与响应忆阻模糊细胞神经网络在时滞脉冲控制下指数同步的结果;最后,通过数值模拟验证了理论结果的有效性。研究结果表明:采用合适的控制器,忆阻型模糊细胞神经网络的驱动-响应系统是可以达到指数同步的。     

具有比例时滞和非线性耦合的复杂网络同步

讨论了一类具有比例时滞和非线性耦合的复杂网络指数型同步问题。基于时间变量指数变换可把比例时滞转化为常数时滞的方法,通过构造李雅普诺夫泛函和设计合适的控制器,建立驱动-响应网络指数型同步的充分条件。最后通过数值模拟验证了结果的有效性。     

分布时滞区间神经网络的脉冲同步控制

利用脉冲控制方法研究了具有分布时滞的区间神经网络的全局指数同步问题,充分考虑了分布时滞和不确定的区间参数对系统的影响.设计了一个新的脉冲控制器来保证区间神经网络的全局指数同步,整个系统的同步在很大程度上依赖于本文所设计的脉冲控制器.通过构造Lyapunov函数,利用脉冲微分不等式技术及其它数学方法,给出了驱动系统和响应...     

具有混合时变时滞主从神经网络的指数采样同步控制

对于具有混合时变时滞的主从神经网络指数采样同步控制问题,运用Lyapunov-Krasovskii泛函方法以及线性矩阵不等式方法对其进行研究。通过构造新的增广Lyapunov-Krasovskii泛函,并对其导数采用一系列不等式方法进行界定,获得具有更小保守性的时滞相关指数同步判据。同时,基于最大采样间隔以及衰减率,得到可行控制器。最后,通过数值算例及仿真证明此方法的优越性以及可行性。     

具有混合时变时滞不连续激活函数神经网络的耗散和有限时间同步研究

本文研究了具有混合时变时滞不连续激活函数神经网络的耗散性和有限时间同步问题。首先,在推广Filippov微分包含理论的框架下,利用广义Halanay不等式和矩阵测度的方法,证明了神经网络Filippov解的全局耗散性。其次,利用不等式和一些分析技术,设计了时滞无关不连续反馈控制器,实现了神经网络驱动系统与响应系统的有限时间同步。最后,通过几个算例验证了理论结果的有效性和正确性。     

时滞混沌神经网络的指数同步

本文研究了带有时滞混沌神经网络的指数同步问题,通过利用非线性回归控制和有效地控制定律,根据所给定的条件构造相应的线性矩阵不等式,得到了时滞神经网络的指数同步。这个方法比之前的线性控制方法更有效,数值结果进一步证明了该方法的有效性。     

时滞混沌神经网络的指数同步

本文研究了带有时滞混沌神经网络的指数同步问题,通过利用非线性回归控制和有效地控制定律,根据所给定的条件构造相应的线性矩阵不等式,得到了时滞神经网络的指数同步。这个方法比之前的线性控制方法更有效,数值结果进一步证明了该方法的有效性。     

混合时滞与非线性控制输入神经网络同步分析

研究了一类具有时变时滞与无穷分布时滞、控制输入具扇形非线性性(sector nonlin-earity in the control input)的神经网络的全局渐近同步问题,基于驱动-响应方法和Lyapunov理论,适当设计一个失忆扩散的输入控制律,给出了驱动系统与响应系统同步的充分条件。     

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。     

时滞耦合随机神经网络全局指数同步

应用矩阵的Kronecker积、线性矩阵不等式及随机微分方程等有关工具,研究了一类具离散时滞与分布时滞的随机神经网络耦合大系统的均方全局指数同步问题.综合考虑了参数的不确定性、分布时滞、随机扰动、非线性耦合等的影响,并弱化了相关文献中激励函数为严格Lipshtz或Sigma型的假定,得到该耦合大系统均方全局指数同步的一些充分性判据.所得到的结果易于通过Matlab线性矩阵不等式工具箱(LMI)进行检验.     

混合时滞驱动响应动力学网络的函数投影同步

构造了一类具有混合时滞的驱动响应动力学网络。基于Lyapunov稳定性定理,设计了自适应控制器,通过该控制器牵制控制这类驱动响应动力学网络并实现了其函数投影同步。数值仿真的结果表明了该控制器的有效性。同时,响应动力学网络的耦合配置矩阵不需要可约、对称等约束条件。     

复杂动态网络指数采样同步控制

利用Lyapunov-Krasovskii泛函方法以及线性矩阵不等式方法,研究具有时变时滞复杂动态网络的指数采样同步控制问题。首先,建立包含更多时滞信息以及采样间隔信息的Lyapunov-Krasovskii泛函,运用更优积分不等式方法处理泛函导数中的积分二次型项,获得一种新的保证误差系统指数同步的稳定性判据。其次,基于此判据设计保证系统同步稳定的采样控制器。仿真结果表明:所得判据具有更小保守性,且采样控制器可行。     

带有混合时滞的惯性神经网络系统的反同步控制

研究了一类带有混合时滞的惯性神经网络系统的反同步控制问题.利用合适的变量替换,将二阶时滞惯性神经网络微分方程转化为一阶时滞微分方程组.借助Lyapunov稳定性理论、反馈控制理论及一些不等式技巧,获得了确保惯性神经网络驱动-响应系统之间反同步的几个充分条件.给出数值仿真例子验证所得结果.     

一类时滞混沌神经网络的全局渐近同步

应用驱动—响应同步方法,研究了一类时滞混沌神经网络的全局渐近同步问题.基于分散控制策略,通过构造适当的Lyapunov-Krasovskii泛函,给出了保证两个具有相同结构但初始条件不相同的时滞混沌神经网络全局渐近同步的控制律设计方法.所得到的控制律不仅易于实现,而且具有高可靠性等特点,克服了传统的集中控制的不足.仿真示例验证了该方法的有效性.     

具有变时滞的模糊Cohen-Grossberg型神经网络在有限时间内的控制同步

【目的】研究一类具有变时滞的模糊Cohen-Grossberg型神经网络在有限时间内的同步。【方法】使用Lyapunov稳定性理论和一些不等式方法,并恰当控制外部输入条件。【结果】得到新的模糊Cohen-Grossberg型神经网络在有限时间内同步的充分条件,且驱动系统和响应系统在有限时间内实现同步。【结论】之前的一些关于神经网络的工作,驱动系统和响应系统是在当时间t→+∞实现同步,相比之下本文结论更加高效实用。     

参数不确定和混合时滞随机神经网络的有限时间同步

应用驱动-响应同步原理和有限时间控制原理,研究了具有参数不确定性和受随机噪声干扰的混杂时滞神经网络的有限同步问题.利用随机微分方程理论,李雅普诺夫稳定性理论和自适应控制理论,设计了不确定参数有限时间自适应更新规律,并得到驱动和响应神经网络系统在有限的时间内达到同步的充分条件,并在有限的时间内能实现参数的识别.最后,数值仿真表明所给方法的有效性.     

两个时变时滞复杂网络间的外同步

讨论了一类具有时变时滞的驱动-响应网络的外同步问题.以线性矩阵不等式(LMI)方法和构造Lyapunov泛函,获得了该两个复杂动态网络间达到外同步的判据.最后用数值例子验证了结论的有效性.     

具有变时滞的模糊Cohen-Grossberg 型神经网络在有限时间内的控制同步

【目的】研究一类具有变时滞的模糊 Cohen-Grossberg 型神经网络在有限时间内的同步。【方法】使用 Lyapunov 稳定性理论和一些不等式方法,并恰当控制外部输入条件。【结果】得到新的模糊 Cohen-Grossberg 型神经网络在有限时间内同步的充分条件,且驱动系统和响应系统在有限时间内实现同步。【结论】之前的一些关于神经网络的工作,驱动系统和响应系统是在当时间 t →+∞ 实现同步,相比之下本文结论更加高效实用。
     

具分布时滞细胞神经网络全局渐近同步

探讨了一类具分布时滞的细胞神经网络的全局渐近同步问题,通过构造合适的Lyapunov-Krasovskii泛函,利用不等式理论,给出了驱动系统与响应系统全局渐近同步的几个充分条件.数值例子证明了所得结论的有效性.