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.     

具时变时滞的随机模糊Cohen-Grossberg神经网络的均方指数输入状态稳定性（英文）

本文对具随机和时变时滞效应的模糊Cohen-Grossberg神经网络的均方指数输入/状态稳定性进行了研究.利用Razumikhin技巧和时滞微分不等式,本文得到了神经网络的均方指数输入对状态稳定性的充分条件,并给出了一个例子来说明该方法的有效性.     

一类具多比例时滞脉冲递归神经网络的稳定性分析

通过设计2个Lyapunov泛函和应用不等式技巧讨论了一类具多比例时滞的脉冲递归神经网络的稳定性,得到了保证该系统全局渐近稳定性和全局多项式稳定性的新的判定准则,并得到,就收敛速度而言,系统的渐近稳定性弱于多项式稳定性和指数稳定性.最后,通过数值算例及其仿真验证了结论的正确性和有效性.     

脉冲时滞Cohen-grossberg神经网络的指数稳定性

分析了脉冲时滞Cohen-Grossberg神经网络的平衡点的存在唯一性及全局指数稳定性.利用Liapunov函数方法和同胚映射理论,结合积分不等式技巧,得到了保证脉冲时滞Cohen-Grossberg神经网络全局指数稳定性的一个新的充分判据.所得判据改进了前人的结果.     

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.     

带有时滞和脉冲的模糊细胞神经网络的全局指数稳定性

主要讨论了带有时滞和脉冲的模糊细胞神经网络的全局指数稳定性.在合适的条件下,利用不动点定理、M-矩阵原理和Lyapunov函数技巧,获得了该系统平衡点的全局指数稳定性.     

时标上脉冲动态系统的指数稳定性

利用Lyapunov函数直接方法研究了时标上固定时刻脉冲动态系统的指数稳定性,并给出了此系统指数稳定性的几个判别准则。由于时标理论是离散和连续的统一,时标上脉冲动态系统的稳定性研究更具有普遍性,它包含了已有的脉冲微分系统指数稳定性的结果。同时,给出的定理中对Lyapunov函数的Δ-导数及其在脉冲点处的要求更具一般性,使得定理具有更广泛的适用范围。最后给出了一个例子说明其应用。     

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.     

具有混合时滞Cohen-Grossberg随机神经网络的均方指数稳定性

研究了具有时变时滞与分布时滞的随机Cohen-Grossberg神经网络的均方指数稳定性.运用It微分公式沿所考虑的神经网络对构造的Lyapunvo函数进行微分,利用时滞微分不等式得到其均方指数稳定的几个充分判据.仿真例子证明了结果的有效性.     

一类随机模糊细胞神经网络的输入对状态稳定性分析

研究一类带时变系数的随机泛函模糊细胞神经网络在均方意义下的指数输入对状态稳定性.利用It8公式、Razumikhin技巧和建立Halanay微分不等式,得到该系统在均方意义下的指数输入对状态稳定性的2个充分条件.最后,给出一个数值仿真例子用以来说明得到的判据的正确性和有效性.     

具有混合时滞的随机Cohen-Grossberg神经网络的稳定性分析

研究了均方意义下的具有时变时滞与分布时滞的随机Cohen-Grossberg神经网络的指数稳定性,利用It微分公式和Lyapunov泛函,得到了一个关于其指数稳定时滞无关的充分条件.具体实施方法是运用It微分公式沿所考虑的神经网络对构造的Lyapunov泛函进行微分,得到了系统稳定的代数判据.最后,通过一个数学样例说明了所得结论的有效性.目前文献尚未见同时具有时变时滞与分布时滞的随机Cohen-Grossberg神经网络的指数稳定性的相应结果,由于Cohen-Grossberg神经网络更具有代表性,其研究意义与应用前景不言而喻.     

不确定性随机时滞神经网络的稳定性

研究了一类不确定性随机可变时滞的半线性神经网络系统,应用Lyapunov函数,Razumikhin定理,建立了这类系统的均方指数稳定和几乎必然指数稳定的判据。     

随机时滞模糊细胞神经网络均方指数稳定性分析

利用Lyapunov泛函方法研究一类随机时滞模糊细胞神经网络平衡点的均方指数稳定性,并运用不等式技术、随机分析理论证明主要结果,最后给出例子验证结果的有效性.     

离散分布时滞随机神经网络的稳定性

主要研究了具有分布时滞的随机系统的全局指数鲁棒稳定性,依据李雅普诺夫方法和线性矩阵不等式的方法,得到了参数不确定时滞相关的全局均方指数稳定性准则,数值实例演示证明其结果的有效性和可行性.     

Stability Analysis for Stochastic Delayed High-order Neural Networks

In this paper, the global asymptotic stability analysis problem is considered for a class of stochastic high-order neural networks with tin.delays. Based on a Lyapunov-Krasovskii functional and the stochastic stability analysis theory, several sufficient conditions are derived in order to guarantee the global asymptotic convergence of the equilibtium paint in the mean square. Investigation shows that the addressed stochastic highorder delayed neural networks are globally asymptotically stable in the mean square if there are solutions to some linear matrix inequalities （LMIs）. Hence, the global asymptotic stability of the studied stochastic high-order delayed neural networks can be easily checked by the Matlab LMI toolbox. A numerical example is given to demonstrate the usefulness of the proposed global stability criteria.     

具有leakage时滞的随机T-S模糊神经网络的稳定性

研究了一类具有leakage时滞的随机T-S模糊神经网络的稳定性,通过构造一个新的Lyapunov-Krasovskii泛函,并应用It公式、随机不等式技术,得到了基于线性矩阵不等式(LMI)的均方意义下的全局稳定性判定条件.     

基于LMI的随机神经网络全局渐进稳定性

研究了一类变时滞的随机神经网络模型零解的全局渐进稳定性.基于Lyapunov稳定性理论,通过构造新型Lyapunov-Krasovskii泛函,利用线性矩阵不等式分析技巧,结合It^o微分公式,得到了保证网络的平衡解为均方意义下全局渐进稳定的判别条件.推广了一些已有的结果,并且更少保守.所的结论可用Matlab中的线性矩阵不等式工具箱进行计算来验证网络的稳定性,通过数值例子证明了结论的有效性和易用性.     

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.