BAM神经网络的稳定性分析

本文研究了BAM神经网络的稳定性问题,通过构造新的Lyapunov泛函,给出了此类系统平衡点渐近稳定的充分条件,并举例说明了结果的有效性和保守性.该充分条件对丰富和完善了神经网络的稳定性理论体系,具有积极的意义.     

具有无穷时滞的积分微分系统的鲁棒稳定化

研究了具有无穷时滞的不确定积分微分系统的稳定性问题,对于每一个子系统应用稳定化的局部状态反馈,利用Ｌｙａｐｕｎｏｖ函数,并结合不等式分析技巧,给出了在不依赖时滞的分散控制下,具有无穷时滞的不确定系统鲁棒稳定化的充分条件。     

具有时滞的细胞神经网络的全局渐近稳定性分析

研究了一类具有时滞的细胞神经网络的稳定性问题,首先证明了这类系统的平衡点的存在性,然后利用Lyapunov泛函方法结合不等式分析技巧,在引入一系列参数的条件下,给出了系统平衡点唯一和平凡解全局渐近稳定的充分条件,该条件与时滞无关且推广和改进了已有文献的结果.     

一类随机时延网络控制系统的随机容错设计

针对网络化控制系统的传感器失效及执行器失效和网络时延均具有随机性这一现象,将传感器和执行器的故障建模为相互独立的Bernoulli随机序列,时延建模为Markovian,建立了具有Markovian跳变随机时延的网络化控制系统,并研究了该系统存在传感器失效、执行器失效以及二者同时失效的随机容错控制问题。通过构造增广的状态向量,以LMIs的方式给出了系统随机稳定容错控制器的设计方法。     

利用时滞分割的方法研究系统的稳定性

研究了带有时变时滞的神经网络系统,通过构造新的Lyapunov-Krasovslii泛函,利用时滞的分割方法,倒凸不等式,Schur定理和添加自由权矩阵等方法,依据Lyapunov稳定理论,用线性矩阵不等式的形式,建立了系统的平衡点是渐近稳定的新标准,最后通过实验证明了新标准可以更好的降低了已有结果的保守性.     

关于细胞神经网络稳定的一个充分条件

研究了一类细胞神经网络的稳定性问题.通过构造适当的Liapunov泛函采用一些变换算法并结合不等式分析技巧,进一步探讨了细胞神经网络的稳定性条件.证明了细胞神经网络平衡点的存在性,给出了细胞神经网络的平衡是全局一致渐近稳定的充分条件.这些条件可使细胞神经网络的设计更加容易,因此具有比较重要的理论意义和应用价值.     

反应扩散BAM神经网络的全局指数稳定性

利用拓扑度技巧、 M-矩阵和变分理论, 得到了考虑扩散因素在内的双向联想记忆人工神经网络系统的全局指数稳定性判定定理. 结果表明, 所给判据得出的指数稳定收敛速率估计比传统结果更精细.     

关联规则挖掘研究综述

介绍了关联规则挖掘的一般概念,并对一些典型算法进行了介绍,展望了关联规则挖掘的未来研究方向.     

时变线性微分方程组的极限圆型的判别准则

本文讨论了时变线性微分方程组极限圆型的分类问题,利用冻结系数法及常数交易法等,获得了一些充分性的判别准则,作为特殊情况,得到了方程(r(t)x＇(t))＇+q(t)x(t)=0 (2)是极限圆型的若干充分准则。     

双输入时滞的网络控制系统的稳定性改进结果

本文研究具有双输入时滞的网络控制系统的稳定性.本文首先把整个时滞区间划分为三个子区间并构造了一个新的Lyapunov泛函,该泛函可以充分利用所有时滞的信息.然后本文运用Wirtinger不等式得到了网络控制系统全局渐近稳定的充分判据.仿真算例验证了结果的有效性.同已有结果相比,本文的结果的保守性更低.