含时滞的双向联想记忆神经网络的全局吸引性和全局指数稳定性

本文研究了具有时滞的双向联想记忆神经网络模型,在非线性神经元激励函数是Lipschitz连续的条件下,通过构造适当的泛函,得到了该系统的平衡点是全局吸引和全局指数稳定.     

双向联想记忆神经网络的全局指数稳定性

研究了带连续时延杂交双向联想记忆神经网络的全局指数稳定性 ,通过构造适当的Lyapunov泛函获得了与时延无关的充分条件且保证网络指数收敛到惟一稳定的平衡点 ,在证明过程中 ,并不要求突轴联结权的对称性和激活函数的单凋性与可微性 ,因此论文所推导的结果更具一般性。     

多比例时滞杂交双向联想记忆神经网络的全局指数稳定性

考虑多比例时滞杂交双向联想记忆神经网络的全局指数稳定性．应用Brouwer不动点定理证明了多比例时滞杂交双向联想记忆神经网络平衡点的存在性,再通过构造合适的Lyapunov泛函,获得了该系统平衡点全局指数稳定的时滞依赖的充分条件,该条件蕴含系统平衡点的唯一性,并给出了一个例子说明结论的有效性．     

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。     

二阶时滞的双向联想记忆神经网络的稳定性分析

讨论了二阶时滞的双向联想记忆神经网络平衡点的全局稳定性,利用Lyapunov函数和不等式技巧得到了网络平衡点的全局渐近稳定和全局指数稳定的几个充分条件.     

含时延的双向联想记忆神经网络的指数吸引性分析

针对含时延的双向联想记忆神经网络模型具有多个对应于不同记忆模式的平衡点的特点,采用不等式技巧和非负矩阵性质,建立了平衡点指数吸引域及其指数收敛速度估计的方法,所得结论对含时延的双向联想记忆神经网的设计和容错性能的评价都很有意义。     

具有时滞的双向联想记忆神经网络的稳定性分析

研究一类具有时滞的变系数双向联想记忆神经网络(BAM)的稳定性问题.由于时滞变系数双向联想记忆神经网络的平衡点不一定存在,分平衡点存在和不存在两种情况进行研究.在BAM神经网络系统存在平衡点时,通过构造Lyapunov函数,结合不等式分析技巧,给出了系统指数稳定的充分条件;在BAM神经网络系统不存在平衡点时,利用数学归纳法给出了系统的吸引域.     

有脉冲和时滞的双向记忆神经网络稳定性分析

利用Lyapunov函数和二维Hanalay类型不等式,研究带有脉冲和时延的广义双向联想记忆神经网络平衡点的全局指数稳定性,得到了几个判断网络全局指数稳定的充分条件,这些条件刻画了脉冲强度和没有脉冲的连续子网络(双向联想记忆神经网络的连续部分)的指数收敛速度对整个网络的全局指数稳定性的混合影响。研究结果表明即使脉冲对网络状态有放大的影响,脉冲时滞双向联想记忆神经网络也可能保持连续子网络的全局指数稳定性质。数值例子验证了理论结果的正确性。     

二阶连续型Hopfield神经网络的平衡点及全局指数稳定性

讨论输出响应函数为非光滑的二阶连续型Hopfield神经网络的平衡点的存在和唯一性,得到了该类网络平衡点存在并且唯一的两个充分条件.同时,该类网络的唯一平衡点全局指数稳定的一个新判据被获得.作为特例,输出响应函数为非光滑的一阶连续型Hopfield神经网络的一些新判据也被得到.这些新判据是文献[3]的诸结果的改进.     

双向联想记忆神经网络的指数输入 - 状态稳定性

研究关于具有多个时滞效应和时变外部输入双向联想记忆神经网络模型的指数输入-状态稳定性分析。首先,建立了双向联想记忆神经网络模型,该模型具有多个时滞效应并且外部输入是时变的。而且模型中非线性神经元激励函数不要求是有界的,也不要求是光滑的。然后给出双向联想记忆神经网络指数输入-状态稳定性的一个定义,利用Lyapunov泛函和线性矩阵不等式－mXTQX+2lXTπY≤l2YTπT(mQ)－1πY和XTY+YTX≤εXTΛX+εYTΛ－1Y的方法,获得含有多时滞效应和时变外部输入的双向联想记忆神经网络模型指数输入-状态稳定性的一个充分条件。
     

关于神经网络的指数稳定性

系统地研究了一类神经网络的全局指数稳定性，仅假设激活函数是全局李普希兹连续的，给出了其平衡点的存在性、唯一性和指数稳定性的充分条件。     

Hopfield型连续反馈神经网络的全局指数稳定性

研究了Ｈｏｐｆｉｅｌｄ型连续反馈神经网络的全局指数稳定性,给出了平衡点的全局指数稳定性的充分条件,这些条件有利神经计算,同时对于Ｈｏｐｆｉｅｌｄ型连续反馈神经网络的设计和应用都很有意义。     

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.     

具有时滞的BAM细胞神经网络模型的全局指数稳定性

利用拓扑度理论、推广的Halanaly矩阵时滞微分不等式、Lyapunov原理以及Dini导数, 研究了具有时滞的双向联想记忆细胞神经网络模型的全局指数稳定性。去掉了有关文献中要求输出函数 fj在实数集R上有界的务件,给出了条件要求更弱的判定平衡点的存在唯一性以及全局指数稳定性判 据,推广和改进了前人的相关结论。     

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.     

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.     

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.     

Hopfield连续神经网络平衡态局部指数稳定的充要条件

研究Ｈｏｐｆｉｅｌｄ连续联想记忆神经网络平衡点的局部指数稳定性,给出了Ｈｏｐｆｉｅｌｄ连续联想记忆神经网络的平衡点局部指数稳定的充要条件。通过引入特征函数的方法,得到了各记忆模式的指数吸收域的估计,以此可用来评价Ｈｏｐｆｉｅｌｄ连续反馈联想记忆的容错能力和模式恢复能力,且可用于综合更为实用的连续联想记忆神经网络。