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。     

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.     

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.     

离散时滞的模糊细胞神经网络的渐近稳定性

通过Lyapunov函数讨论具有离散时滞的模糊细胞神经网络(Fuzzy Cellular Neural Networks,FCNN)的全局渐近稳定性,得到全局渐近稳定性的一些充分条件．     

一类三阶时滞微分方程的全局渐近稳定性

运用“类比法”,在文[5]的基础上构造了一类三阶非线性时滞微分系统的Lyapunov函数,给出了该系统零解的全局渐近稳定性的充分条件,推广了文[4][5]的结果.     

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.     

带马氏切换和时变时滞的随机神经网络的依分布渐近稳定性

考虑到神经网络在实际应用中常会伴有时滞现象,研究了一类带马氏切换的随机神经网络在时变时滞下按分布的渐近稳定性.根据模型的特点,并结合按分布渐近稳定性的充分条件,构造了Lyapunov函数,利用广义的Ito公式、不等式放缩技巧,得到了系统的稳定性充分条件.最后利用数值模拟,验证了理论结果的正确性.     

具有马尔可夫跳的多重定时滞随机神经网络的依分布渐近稳定性

在神经网络的电子实现中往往伴有时滞现象，为了更好地应用，研究了一类带马氏切换的随机神经网络在多重延时下按分布的渐近稳定性.根据模型方程的特点，并结合按分布渐近稳定性的充分条件，构造了Lyapunov泛函，通过广义的Ito公式计算、不等式放大技巧，寻求到了系统相应的稳定性充分条件.最后举例做了数值拟合，验证了结果的可行性.     

具有时变时滞的Cohen-Grossberg神经网络的稳定性

考查具有时间改变时滞的Cohen-Gmssberg神经网络的动力学性质,给出具有时间改变时滞的Cohen—Gwssberg神经网络的全局渐近稳定性的判据．     

广义时延神经网络的渐近稳定性

讨论如下带有时延的广义神经网络模型(dxi)/(dt)=Gi(xi)[bi(xi)-∑nj=1cijdj(xj(t-τj))], i=1,2,...,n,其中,τj＞0为第j个神经元的时延,cij表示第j个神经元在t-τj时刻的输出对第i个神经元的影响强度,t∈I=[t0,∞),x∈Rn.利用Lyapunov函数及推广的Halanay微分不等式,研究了该模型的渐近稳定性,给出了系统指数稳定的几个充分条件及相应的Lyapunov指数.     

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.     

一类具有时滞的不确定模糊Hopfield神经网络的指数稳定性（英文）

通过构造Lyapunov泛函及线性矩阵不等式（LMI）理论,给出了一类具有时滞的不确定Takagi-Sugeno（T-S）型模糊Hopfield神经网络的指数稳定判定准则。构造的Lyapunov泛函具有广泛性且引入具有自由加权矩阵的参数模型变换,这些方法使得文中所得稳定性条件更具一般性。最后,借助于MATLAB中的LMI工具箱给出了一个具体的数值例子来验证文中的结果。     

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.     

分布时滞模糊BAM神经网络模型的指数稳定性

详细介绍了一类具分布时滞的模糊BAM（Bi·direction Associate Memory）神经网络模型．在合适的条件下,通过数学分析技巧和压缩映像原理,证明了模型平衡点的存在唯一性;通过构造Liapunov泛函,利用Lipschitz激励函数性质,获得了平衡点的指数稳定性．     

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．     

具变和分布时滞的神经网络系统的指数稳定性

基于泛函微分方程的稳定性理论,通过构造Lyapunov泛函和利用不等式pa^n-1b≤（p-1）a^p＋b^p（这里p为正整数,a,b为非负实数）,对一类含具变和分布时滞的系统的指数稳定性问题进行探讨,并列举了一个例子验证了定理结论的正确性．     

一类带有混合时滞的神经网络全局渐进稳定分析

针对一类具有离散和无穷分布时滞的神经网络模型,通过构造新的Lyapunov函数,解决了含有无穷分布时滞的系统稳定问题,给出了全局渐近稳定的充分条件.首次以Hadamard乘积将系统用向量形式表示,并用线性矩阵不等式表示所得结果,稳定判据不依赖于时间延迟大小,不要求神经元激励函数的有界性、可微性,只与连接矩阵和延迟的导数...