具有混合时滞随机离散神经网络的渐近稳定性分析

研究了一类具有离散和分布时滞的随机离散神经网络的模型,通过构造新的Lyapunov-Krasovskii函数,给出了模型渐近稳定性的定理.以线性矩阵不等式形式给出的定理,易于用Matlab的LMI工具箱求解.最后通过仿真实例证明了定理的有效性.     

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.     

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.     

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.     

具连续分布时滞细胞神经网络的指数稳定性

利用Cramer法则和Brouwer不动点定理,通过构造适当的Lyapunov泛函并结合矩阵形式的Halanay微分不等式分析技巧,研究了一类具有连续分布时滞的细胞神经网络模型的动力学性质,获得了该模型的平衡点的存在性和全局指数稳定性的充分条件.改进和推广了已有文献的结论.这些结果对设计全局指数稳定的细胞神经网络具有重要的指导意义.     

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.     

具时滞离散和分布BAM神经网络的全局渐近稳定性

研究一类同时具离散时滞和分布时滞的BAM(bidirectional associative memory)神经网络平衡点的全局渐近稳定性问题.所给BAM模型对激活函数做了扇形非线性条件假设,利用M矩阵理论,通过构造新的LyapLlnov函数并利用一些分析技巧,获得具时滞离散和分布BAM神经网络的全局渐近稳定性的充分条件.数值例子说明了所得结果的有效性.     

具分布型时滞随机系统的时滞相关稳定性

研究了具有不确定性时滞的一类线性随机微分系统的依概率鲁棒全局渐近稳定性和均方意义下的指数稳定性，旨在研究更为广泛的一类线性随机滞后微分系统的稳定性，利用LMI方法，得到了分布时滞和离散时滞系统保守性较小的时滞相关的稳定性充分性判据。     

具无穷时滞的泛函微分方程的渐近稳定性

研究一类具无穷时上泛函微分方程的零解的稳定性和渐近稳定性问题。给出该类方程的零解的稳定性和渐近稳定性的一些新结果,这些结果形式简单,易于验证和应用。     

具有混合时滞的随机细胞神经网络的稳定性分析

讨论了具有混合时滞的随机细胞神经网络的p-阶矩指数稳定和几乎必然指数稳定性.借助于局部鞅收敛定理、M-矩阵的性质和It公式,在较为宽松的扩散系数矩阵的限制条件下,得到了p-阶矩指数稳定和几乎必然指数稳定的充分条件,推广了现有一些文献的结果.     

一类具有混合时滞的神经网络指数稳定性分析

讨论了一类具有混合时滞(包含离散和分布时滞)的人工神经网络的指数稳定性问题.通过将时滞区间分为不等的两部分,并结合倒数凸方法,得到了系统指数稳定的新判据,判据以线性矩阵不等式的形式给出.最后用两个数值实例说明了所得结论的有效性与更小的保守性.     

具有随机扰动项和混合时滞的神经网络在有限时间内的控制同步

研究一类具有随机扰动项和混合时滞的神经网络在有限时间内的控制同步.通过李雅普诺夫稳定性理论、随机微分方程理论、伊藤公式以及一些不等式方法,在p-范数下得到了新的有限时间内同步的充分条件.     

一类模糊随机神经网络的鲁棒稳定性分析

结合Takagi-Sugeno(TS)模糊系统的研究成果.讨论一类具有参数不确定和随机干扰的模糊神经网络的鲁棒稳定性问题.通过运用Lyapunov稳定性理论,结合随机分析方法,以线性矩阵不等式的形式,建立该系统全局鲁棒稳定的判别准则.以准则推广一些已有文献的结果,具有更小的保守性.数值算例证明了结果的有效性.     

时滞依赖的脉冲时滞神经网络的稳定性

基于Lyapunov泛函和不等式技巧,得到脉冲混合时滞神经网络全局指数稳定性的时滞依赖型判据,其中混合时滞包括离散时滞和分布时滞两种类型.该判据用线性矩阵不等式表示,并通过一个数值实例验证了判据的有效性.     

一类具比例时滞Hopfield神经网络的全局渐近稳定性

对一类时滞Hopfield神经网络的稳定性进行研究,这里的时滞是不同于无界分布时滞的无界比例时滞。应用Lyapunov稳定性理论和Barbalat引理,获得了保证Hopfield神经网络全局渐近稳定的两个新的充分条件。最后通过数值算例及仿真验证所得结果。所得结果为具比例时滞Hopfield神经网络的进一步应用打下一定的理论基础。     

混合时滞随机神经网络全局渐近同步

研究了一类具混合时滞神经网络耦合大系统的同步问题.应用矩阵的Kronecker积与线性矩阵不等式,得到耦合大系统同步的一些充分性判据,所得到的结果易于通过Matlab线性矩阵不等式工具箱(LMI)进行检验,所讨论的神经网络具有参数的不确定性、分布时滞、随机扰动以及非线性耦合等,而且弱化了相关文献中激励函数为严格Lipshitz或Sigma型的假定,使所得结果更为精细.     

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。     

一类含有分布时滞神经网络的稳定性分析

研究了一类含有分布时滞的神经网络的渐近稳定性问题.利用线性矩阵不等式(LMI)方法,并且引入适当的自由权矩阵,得到了一个新的时滞依赖的稳定性判据,所得判据是以线性矩阵不等式的形式给出,便于直接应用.最后给出的数值例子说明了所得结论的有效性和优越性.     

S-分布时滞随机广义细胞神经网络的均方指数稳定性分析

利用Lyapunov泛函方法和随机分析技巧,研究了S-分布时滞随机广义细胞神经网络的全局均方指数稳定性。给出了稳定性判据。仿真实验验证了结论的正确性。