一类多轴突非自治神经网络的全局指数稳定性分析

在激励函数全局Lipschitz连续的条件下,通过构造恰当的Lyapunov泛函并结合不等式技巧研究了一类具有时变时滞,以及同时具有时变时滞和无穷分布时滞的多轴突非自治神经网络的全局指数稳定性.得到一系列系统全局指数稳定的充分条件,并举例验证了方法的有效性,推广了相关文献的结果.     

时变时滞非自治神经网络的全局指数稳定性

在激励函数仅满足全局Lipschitz连续,时变时滞函数有界、连续可微且导数小于1的条件下,通过构造一个恰当的Lyapunov泛函并结合Young不等式,利用Lyapunov稳定性理论,首先研究了一类具有时变时滞的多轴突非自治神经网络系统的全局指数稳定性问题,得到一系列在实践中易于验证的、保证系统全局指数稳定的充分条件.作为特例,还得到了具有定常时滞的多轴突非自治系统以及一般的非自治系统的全局指数稳定性充分条件.其次,还得到了一类同时具有连续时变时滞和无穷分布时滞的多轴突非自治神经网络系统的全局指数稳定性充分条件.本文去掉了关于激励函数有界、可微等限制条件,推广并改进了相关文献的结果.本文的结果也适合自治神经网络系统.最后举例说明了本文方法的有效性.     

带有时变时滞的递归神经网络的稳定性分析

研究了带有时变时滞的递归神经网络的稳定性问题.假设该神经网络的神经元激励函数满足一般的扇形条件,通过使用Wirtinger不等式和倒凸组合法来估计Lvapunov-Krasovsii泛函的导数得到一个新的时滞相关稳定性判据.同时,应用凸包技术来处理时变时滞的导数,所提出的判据放松了时变时滞导数的限制.数值仿真结果验证了所得判据的有效性.     

时变时滞非自治神经网络的全局指数稳定

在激励函数仅满足全局Lipschitz连续,时变时滞函数有界、连续可微且导数小于1的条件下,通过构造一个恰当的Lyapunov泛函并结合Young不等式,利用Lyapunov稳定性理论,首先研究了一类具有时变时滞的多轴突非自治神经网络系统的全局指数稳定性问题,得到一系列在实践中易于验证的、保证系统全局指数稳定的充分条件。作为特例,还得到了具有定常时滞的多轴突非自治系统以及一般的非自治系统的全局指数稳定性充分条件。其次,还得到了一类同时具有连续时变时滞和无穷分布时滞的多轴突非自治神经网络系统的全局指数稳定性充分条件。本文去掉了关于激励函数有界、可微等限制条件,推广并改进了相关文献的结果。本文的结果也适合自治神经网络系统。最后举例说明了本文方法的有效性。     

一类具有时变时滞和无穷分布时滞的神经网络全局指数稳定性分析

在激励函数满足全局Lipshitz条件和时变时滞函数有界的情形下,首先利用不动点定理研究神经网络系统平衡点的存在性.然后利用矩阵论知识并结合初等积分的方法,不需构造Lyapunov-Krasovskii泛函,研究平衡点的全局指数稳定性,并以矩阵谱半径的形式给出平衡点稳定条件,平衡点的唯一性则是平衡点的全局指数稳定性的直接结果.为便于条件的验证,还以矩阵范数的形式给出平衡点稳定条件,结论去掉了对激励函数有界性和时变时滞函数连续可微性的严格要求,改善了以前相关文献的结果.     

变时滞细胞神经网络的全局指数稳定性

研究了一类变时滞细胞神经网络平衡点的全局指数稳定性问题．在不要求激励函数全局Lipschitz条件下,利用Lyapunov函数方法和M-矩阵的特性,结合Young不等式和Halanay时滞微分不等式,得到了细胞神经网络模型在一定条件下全局指数稳定的一些充分条件．数值例子说明了本文结果的有效性．     

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.     

多时变时滞细胞神经网络的全局指数稳定性

针对一类多时变时滞细胞神经网络,利用Young不等式和Halanay不等式技术,给出了保证平衡点惟一性和全局指数稳定性的几个充分判据.所得到的全局指数稳定判据完全独立于时滞,不要求时变时滞的可微性和神经元激励函数的严格单调性,且通过几个注释说明本文的结果改进和扩展了现有一些文献中的结果.仿真例子证明了本文结果的有效性.     

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...     

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．