复域时滞神经网络的渐近稳定

对复域时滞神经网络的唯一性和在平衡点处的渐近稳定进行了研究,并基于Lyapinov函数方法和线性矩阵不等式（LMI）,复域时滞神经网络的一些渐近稳定的有效条件得到推导。最后通过一个有效的例子来验证了结论的有效性和正确性。
     

时滞BAM神经网络的全局稳定性

利用李雅普诺夫泛函方法并结合一些分析技巧获得了时滞BAM神经网络平衡点全局渐近稳定和全局指数稳定的充分条件，这些条件对设计全局渐近稳定的BAM神经网络和全局指数稳定的BAM神经网络具有重要意义．     

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。     

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.     

时滞 Hopfield 神经网络的稳定动力学行为分析

神经网络的硬件实现常伴随反馈信号的延时,网络的应用需要对具有时滞反馈网络稳定性的充分研究。用Ｒａｚｕｍｉｋｈｉｎ型李雅普诺夫泛函方法,对非线性时滞Ｈｏｐｆｉｅｌｄ神经网络的稳定动力学行为进行了分析,利用泛函滞后微分方程的稳定性定理,导得时滞反馈连续Ｈｏｐｆｉｅｌｄ神经网络一致稳定和一致渐近稳定的充分判据。     

一类具比例时滞Hopfield神经网络的全局渐近稳定性

对一类时滞Hopfield神经网络的稳定性进行研究,这里的时滞是不同于无界分布时滞的无界比例时滞。应用Lyapunov稳定性理论和Barbalat引理,获得了保证Hopfield神经网络全局渐近稳定的两个新的充分条件。最后通过数值算例及仿真验证所得结果。所得结果为具比例时滞Hopfield神经网络的进一步应用打下一定的理论基础。     

基于LMI的随机时滞神经网络的全局渐近稳定性分析

研究了一类时变时滞与分布时滞的随机神经网络模型的全局渐近稳定性,该模型考虑了神经网络的随机扰动性.通过构造适当的Lyapunov泛函,以线性矩阵不等式的形式给出了系统全局渐近稳定的充分条件.最后,数值算例说明了结果的正确性.     

具有时变时滞的Hopfield神经网络的全局指数渐近稳定性

对具有时变时滞的Hop fie ld神经网络模型,给出了时滞无关的全局指数稳定判据.去掉了输入-输出函数的可微性和有界性条件,推广了其他作者基于常数时滞的有关结果,所给的充分条件不但能保证该时滞神经网络平衡点的存在性,而且能使其全局指数渐近稳定.     

带有leakage时滞的神经网络周期解的稳定性

利用模型转化技术，本文尝试着研究了带有leakage时滞的神经网络周期解的渐近稳定性，得到了依赖leakage时滞的全局渐近稳定的充分条件，具体模型的数值模拟验证了结论的正确性同时也印证了leakage时滞对系统稳定性的消极影响。     

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.     

具有无穷时滞的广义神经网络的指数稳定性

给出了一个无穷时滞微分不等式,并利用所给不等式及Lyapunov函数,对一类具有无穷时滞的广义神经网络的平衡态的渐近指数稳定性进行讨论,给出了系统渐近指数稳定的几个充分条件.     

基于LMI方法的时滞神经网络的全局渐近稳定性分析

研究了具有时滞的Hopfield神经网络的平衡点的全局渐近稳定。基于微分动力系统Lyapunov稳定性理论和线性矩阵不等式（LMI）处理方法,借助于Matlah中LMI控制工具箱软件,得到了系统全局渐近稳定的时滞相关性条件,线性矩阵不等式的方法简化了自由权重矩阵的计算。数值算例说明了结果的有效性。     

脉冲高阶时滞Hopfield型神经网络的稳定性分析

针对进化过程中顺序的突然改变导致无法用纯连续或纯粹的离散神经网络来描述的问题,给出了脉冲高阶时滞Hopfield型神经网络模型,并得到时滞脉冲系统渐近稳定的结果.然后,利用该结果和李亚普诺夫方法以及数学分析技术分析网络的稳定性.在激励函数连续、单调有界的条件下,给出了保证脉冲高阶时滞Hopfield型神经网络全局一致渐近稳定的充分条件.这些条件含有许多可调参数,为神经网络提供灵活的设计与分析;并且易于检验,适用于分析生物神经系统的动态特性或设计全局稳定的神经网络.最后,通过仿真实例说明了所得结果的有效性.     

具有分布时滞的双向联想记忆神经网络稳定性分析

考虑分布时滞的双向联想记忆神经网络模型,并且给出其平衡态一致稳定和全局渐近稳定的充分条件。     

二次规划问题的比例时滞神经网络的全局渐近稳定性

针对一类等式约束下的二次规划问题,提出一类比例时滞Lagrange神经网络模型,通过证明该神经网络平衡点的渐近稳定性,得到该二次规划问题最优解的存在性.通过构造适当的Lyapunov泛函,利用Lyapunov稳定性理论和线性矩阵不等式,得到比例时滞Lagrange神经网络全局渐近稳定的时滞依赖的充分条件,该条件以线性矩阵不等式的形式给出,便于应用Matlab Toolbox验证.最后通过一个数值算例及其仿真结果验证了所提方法的有效性.     

一类时延细胞神经网络的全局渐近稳定性

讨论时滞的细胞神经网络(DCNNs)的全局渐近稳定性,利用Lyapunov泛涵方法和平均值不等式,a1a2…ak≤1/k(ak1+ak2+…+akk)(a1＞0,i=1,2,3,…,k),构造了一类新的Lyapunov泛涵,再次对DCNNs的稳定性进行了研究.得到了DCNNs全局渐近稳定时的一些充分条件,给出了保证时滞细胞神经网络全局渐近稳定的模型设计方法.     

具混合时滞的随机神经网络的稳定性分析

通过构造新的Lyapunov-Krasovskii泛函并利用随机分析的方法,建立了一类具有混合时滞和马尔可夫(Markovian)参数切换的随机神经网络均方渐近稳定的判据.所考虑的混合时滞既包含时变的离散时滞也包含无穷分布时滞,神经网络的参数切换由某个马尔可夫链所确定.     

随机中立型时滞神经网络的全局渐近稳定性判据

研究一类含有变时滞的随机中立型神经网络的全局渐近稳定性问题.通过构造一个新的Lyapunov Krasovskii泛函和不等式技术,得到了基于线性矩阵不等式表示的与时滞大小有关的时滞稳定的充分判据.该判据考虑了一类含有分布式时滞和随机扰动项并且激活函数是常量(正数、负数和零)的中立型神经网络,与现有文献相比,其更具有一般性和较少保守性.最后,通过2个算例分析,验证了所得结果是有效的.     

含无穷分布时滞的离散时间耦合神经网络同步分析

针对一类离散时间耦合神经网络,讨论其含有变时滞和无穷分布时滞时的同步性.采用Lyapunov稳定性理论,结合线性矩阵不等式技术来获得时滞耦合神经网络全局渐近同步的充分性判据,并且所获得的判据依赖于时滞.同时,对细胞激活函数做了类扇形描述的假设,从而进一步减少结论的保守性.     

时滞细胞神经网络的全局渐近稳定性和指数稳定性

利用Brouwer不动点定理,证明了具有变时滞的细胞神经网络模型平衡点的存在性;利用Barbarlet引理、Dini导数与导数之间的关系,构造了一个特殊的Lyapunov函数,表明具有变时滞的细胞神经网络模型存在惟一全局指数平衡点并且全局渐近稳定;在此基础上,通过构造一个新的M-矩阵,利用Halanay时滞微分不等式和M-矩阵的特性,得出:细胞神经网络模型在一定的条件下,在平衡点处,全局指数稳定且与时滞无关.