离散时滞标准神经网络模型及其应用

为了能够方便地分析离散递归神经网络（RNN）的稳定性，以及解决目前比较难的离散非线性系统的控制器的综合等问题，类似于鲁棒控制中的标准模型，提出一种新的神经网络模型——离散时滞标准神经网络模型（DDSNNM），它由离散线性动力学系统和有界静态时滞（或非时滞）非线性算子连接而成。利用不同的Lyapunov泛函和S方法推导出基于线性矩阵不等式（或非线性矩阵不等式）的DDSNNM全局渐近稳定性和全局指数稳定性的充分条件。大多数离散时滞（或非时滞）RNN稳定性分析或包含神经网络的非线性控制系统都可以转化为DDSNNM形式，从而进行稳定性分析或镇定控制。从DDSNNM应用于离散时滞细胞神经网络（CNN）的稳定性分析以及非线性控制系统的综合实例可以看出，DDSNNM不仅使得大多数RNN的稳定性判定简单易行，而且为非线性系统的控制器设计提供新的思路。     

区间时变时滞离散广义系统的稳定与镇定

研究了一类区间时变时滞离散广义系统的稳定与镇定问题。利用一个新构造的Lyapunov泛函和线性矩阵不等式方法,给出了使得系统正则、因果且稳定的时滞相关型稳定性新判据,并在其基础上得到了系统状态反馈镇定控制律的一个直接的设计方法。在讨论过程中,充分考虑了系统时变时滞信息,且保留了Lyapunov泛函导数中的有用项,使得结果具有较小保守性。数值实例表明了方法的有效性和优越性。