反应扩散变时滞细胞神经网络的稳定性

利用构造Lyapunov函数的方法讨论了带反应扩散项的变时滞细胞神经网络全局指数稳定性.在输出响应函数有界且满足Lipschitz条件和系统满足文章所给的条件下,得到了判定该类网络解的全局指数稳定性.     

变时滞Cohen-Grossberg随机神经网络的矩指数稳定性

本文利用随机积分的伊腾公式,时滞微分不等式及随机时滞神经网络的特性 讨论变时滞Cohen-Grossberg随机神经网络的矩指数稳定性,实例证明本文结果的优越性.     

一类时滞反应扩散Cohen-Grossberg神经网络的稳定性

利用Lyapunov泛函研究一类时滞反应扩散Cohen—Grossberg神经网络平衡点的全局指数稳定性．给出了一些代数判据．     

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。     

含反应扩散项和混合时滞的随机Hopfield神经网络的时滞相关全局指数稳定性分析

研究一类含反应扩散项和混合时滞的随机Hopfield神经网络的稳定性,通过构造恰当的Lya-punov泛函和运用不等式分析,得到了该网络平凡解时滞相关的全局均方指数稳定性条件,推广了已有的结果.利用一个例子,说明结果的有效性.     

非自治反应扩散Hopfield神经网络鲁棒稳定性

对具有不确定和S-分布时滞的反应扩散Hopfield神经网络系统,利用拓扑度理论,M-函数,M-矩阵和广义Halanay不等式研究其平衡点的存在性及全局鲁棒指数稳定性,给出易于验证的判别指数稳定性的代数判据.     

变时滞神经网络指数稳定性条件

基于时滞细胞神经网络(DCNNs)在图像处理等领域的广泛应用,有关它的研究引起了越来越多学者和专家的关注.早期DCNNs稳定性的结果大多由网络权矩阵的分量构成的代数不等式来表示.运用Lyapunov-Krasovskii泛函的方法,研究了DCNNs的指数稳定性,所得充分条件以矩阵的(半)正定形式出现,在实际应用中更加便于验证.与文献中的结果相比较,所得判据适用范围更广.     

变时滞Cohen-Grossberg 随机神经网络的矩指数稳定性

本文讨论了随机变时滞Cohen-Grossberg神经网络的矩指数稳定性.利用Ito公式、时滞微分不等式和神经网络的特征，作者导出了这类神经网络矩指数稳定性的代数条件并给出了一个说明性实例.     

随机反应扩散神经网络的鲁棒稳定性

研究一类具有分布时滞和反应扩散的随机细胞神经网络,通过构造Lyapunov泛函,并利用It(o)公式以及线性矩阵不等式(LMI),得到不确定系统鲁棒稳定的充分条件.     

随机时滞Hopfield型神经网络的几乎指数稳定性

利用Lyapunov泛函和Ito公式，研究了具有时滞的随机Hopfield型神经网络的几乎指数稳定性，证明了一个定理和两个推论．当随机扰动为0时，得到确定性的时滞神经网络指数稳定性的结果．     

具有混合时滞的随机Hopfield神经网络的稳定性分析

讨论一类具有时变离散时滞和多时变分布时滞的随机Hopfield神经网络的均方鲁棒稳定性问题.假定激活函数既不可微也不严格单调,运用Lyapunov-Krasovskii泛函理论、随机分析理论和MATLAB中的LMI工具箱,推出系统渐近稳定的判别准则.最后通过数值例子论证该结果的有效性.     

Exponential stability of impulsive stochastic recurrent neural networks with time-varying delays and Markovian jumping

In this paper, we consider a class of impulsive stochas- tic recurrent neural networks with time-varying delays and Markovian jumping. Based on some impulsive delay differential inequalities, some easy-to-test conditions such that the dynamics of the neural network is stochastically exponentially stable in the mean square, independent of the time delay, are obtained. An example is also given to illustrate the effectiveness of our results.     

变时滞随机模糊细胞神经网络的全局指数稳定性

通过构造合适的Lyapunov泛函,利用It微分算子和不等式的分析技巧研究一类变时滞随机模糊细胞神经网络平衡点的全局指数稳定性,得到了该模型全局指数稳定的一个时滞独立和一个时滞依赖的充分条件.最后通过数值算例验证结论的有效性.     

变时滞随机模糊细胞神经网络的均方指数稳定性分析

利用Lyapunov泛函及随机分析技巧研究一类变时滞的随机模糊细胞平衡点的均方指数稳定性,得到了均方指数稳定性的充分条件.该模型同时考虑了模糊不确定性和随机不确定性,更加接近真实的神经网络.最后给出一个例子证明结论的有效性.     

论变时滞高阶细胞神经网络模型的反周期解

研究了具有变时滞的高阶细胞神经网络模型,得到了其反周期解存在性和指数稳定性的一类新的充分条件,并通过数值仿真图对实例进行了直观地说明。     

具有变时滞的随机忆阻神经网络在固定时间内的控制同步

研究了一类具有混合变时滞的随机忆阻神经网络在固定时间内的控制同步问题. 通过集值映射,随机微分包含理论,固定时间内稳定性理论,李雅普诺夫函数,伊藤公式和一些不等式方法,在与时滞τ,随机扰动项及转换跳跃T_i相关的恰当的反馈控制器u_i(t)的控制下,得到了新的该神经网络在固定时间内控制同步的充分条件.     

一类变时滞模糊细胞神经网络的全局指数周期性

通过构造合适的Lyapunov泛函和利用Young不等式,研究了一类变时滞模糊细胞神经网络的全局指数周期性,得到了该神经网络周期解存在唯一且全局指数周期的充分条件,给出一个例子说明结论的有效性.     

具有时变时滞的Hopfield神经网络的全局指数稳定性及衰减速度估计

应用Razumikhin型稳定性定理讨论了具有时变时滞的Hopfield神经网络平衡点的全局指数稳定性,给出了系统全局指数稳定的时滞相关和时滞无关的充分条件,同时讨论了这类系统的衰减速度.最后,通过一个例子说明本文结果的优越性.