分布时滞静态神经网络全局鲁棒稳定性

利用拓扑度理论和Liapunov泛函方法，讨论了分布时滞静态神经网络模型的全局鲁棒稳定性，给出了实用有效的判定条件．     

变时滞细胞神经网络的全局指数稳定性

研究了一类变时滞细胞神经网络平衡点的全局指数稳定性问题．在不要求激励函数全局Lipschitz条件下,利用Lyapunov函数方法和M-矩阵的特性,结合Young不等式和Halanay时滞微分不等式,得到了细胞神经网络模型在一定条件下全局指数稳定的一些充分条件．数值例子说明了本文结果的有效性．     

变时滞神经网络模型的全局指数稳定性

研究了一类变时滞的Hopfield型神经网络的全局指数稳定性,在对网络系统施加两个不同的非线性神经元激励函数的条件下,利用M-矩阵的特性,得到了细胞神经网络模型在一定的条件下全局指数稳定的易于判定的充分条件,数值例子说明了本文结果的有效性.     

一类变时滞静态递归神经网络的全局鲁棒稳定性

运用LaSalle不变性原理,研究了一类变时滞静态递归神经网络的全局鲁棒稳定性,给出了全局鲁棒稳定性的新代数判据.     

一类时滞静态递归神经网络的全局鲁棒稳定性

运用M-矩阵的性质、Liapunov泛函方法及不等式技巧,研究了一类时滞静态递归神经网络的全局鲁棒稳定性,给出了全局鲁棒稳定性的新的代数判据。     

高阶时滞神经网络模型的全局指数稳定性

对具有时滞的二阶Hopfield型神经网络平衡点的全局渐近稳定性问题进行了研究.在不要求连接权矩阵的对称性和输入输出函数的可微性与单调性,只要求系统的参数满足是一个M矩阵的情况下,利用推广的Hanalay不等式和上右导数导得系统全局指数稳定性的若干充分条件.为二阶时滞神经网络稳定性的新方法、新结论.     

变时滞细胞神经网络模型的全局指数稳定性

研究了具有变时滞的细胞神经网络系统nx.i（t）=-cixi（t）＋∑nj=1aijfj（xj（t））＋∑nj=1bijfj（xj（t-τj（t）））＋Ii,i=1,2,…,n.在非线性神经激励函数满足Lipschitz条件下,借助于推广的Halanay时滞微分不等式等方法,得到了该系统的平衡点是全局指数稳定的条件.     

具有变时滞的细胞神经网络的全局指数稳定性

研究具有可变时滞的细胞神经网络的全局指数稳定性问题,得出了可变时滞的细胞神经网络全局指数稳定性的几个充分条件.在实际应用中,设计验证满足这些条件很方便,甚至无须知道时滞的具体形式.因而具有重要的理论意义和应用价值.       

时滞Hopfield神经网络的全局指数稳定性

利用时滞微分不等式,讨论了时滞Hopfield神经网络的全局指数稳定性,获得了几个判定条件。这些结论推广了已知文献中的结果。     

一类时滞静态神经网络模型的全局渐近稳定性

利用拓扑度理论,M-矩阵理论及Lyapunov泛函方法研究了一类时滞静态神经网络模型平衡点的全局渐近稳定性,得出了其平衡点、存在唯一及全局渐近稳定的一些充分条件。     

时滞依赖的变延时细胞神经网络的指数稳定性

细胞神经网络(CNNS)由于有许多重要的应用价值，所以它的稳定性分析一直是神经网络领域里的一个重要课题．近年来，神经动力系统的定性分析吸引了众多学的关注．在神经网络的电子器件实现中，出现了许多问题，诸如：转换延时，积分器，连接延时等．在这种情况下，在系统模型中一定要引进一个延时参数．要制造高质量的微电子神经网络，研究带有延时的神经动力行为是特别重要的．献[1～11]研究了时滞神经网络的全局稳定性；献[5，9，12，13]给出了有关延时细胞神经网络(DCNNs)全局稳定的充分条件，但是在这些章中，细胞的输出函数要求是一个分段线性函数并且延时是一个常量；献[10，13]虽然不再要求细胞的输出函数为分段线性函数，但是仍要求它的延时项是一个常数．在Lyapunov稳定性理论及矩阵不等式的基础上，给出了一个保证变延时细胞神经网络平衡点存在唯一并且全局指数稳定的充分条件．这个条件对参数变延时做了一个限制．给出了一个具体的数值例子及其仿其结果来说明我们结果的可行性．     

可变时延神经网络的全局指数稳定性

利用Lyapunov泛函方法和线性矩阵不等式(LMI)技术,讨论了带有可变时延的神经网络的全局指数稳定性.通过引入一系列参数,给出全局指数稳定的平衡点的充分条件.实例表明给出的充分条件是有效、可行的.     

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.     

含混合时滞的随机Hopfiled神经网络的全局指数稳定性

考虑一类含混合时滞的随机Hopfiled神经网络,运用Razumikin方法和不等式技巧得到了该网络平凡解的p阶指数稳定性,推广了一些已有的结果,并利用一个例子,说明结果的有效性.     

变时滞随机模糊细胞神经网络的均方指数稳定性研究

研究变时滞随机模糊细胞神经网络的均方指数稳定性,利用Ito公式及Lyapunov泛函方法得到其均方指数稳定的判据,并举例说明了理论结果的有效性.     

脉冲时滞细胞神经网络系统的指数稳定性

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充分条件,同时给出示例说明结果的有效性。     

变时滞反馈神经网络的全局指数稳定性

通过引入更加广泛的一类Lyapunov-Krasovskii泛函,并利用线性矩阵不等式分析技巧,得到了关于可变时滞广义神经网络模型平衡位置全局指数稳定的最新判据,并且判别条件中不限制连接权矩阵符号.该结果精炼和推广了一些已有的结果,并且更少保守,在实践上易于程序实现,方便使用.     

随机变时滞递归神经网络的几乎指数稳定性

研究了一类随机变时滞递归神经网络的几乎指数稳定性问题。利用Lyapunov函数方法和Ito公式,结合矩阵分析技巧,给出了系统几乎指数稳定的判别准则。数值例子说明了该结果的有效性。