大型分布式迭代随机系统的均方渐近收敛性

研究分布式迭代随机大系统的均方渐近收敛性,得到一些收敛性判据．文中处理的子系统是具有多个噪声的随机系统．关于孤立随机子系统的基本假设就是其均方收敛的充要条件,在大系统的关联项中也假设存在随机噪声．文中对随机子系统的均方渐近收敛性作了详细的研究,给出了判断其均方渐近收敛性的两种途径：Ｒｏｕｔｈ＿Ｈｕｒｗｉｔｚ判据和数值计算方法．文中尤其研究了一类优化问题,以减小所得分布式迭代随机大系统的均方渐近收敛性判据的保守性．     

随机时滞微分方程的随机线性θ方法的均方指数稳定性

给出了随机时滞微分方程随机线性θ方法的均方指数稳定性的充分条件,证明了当扩散系数高度非线性（即不满足线性增长条件）时,随机线性θ方法仍可能均方指数稳定。本文研究结果在相同条件下加强了Huang在文献[5]中关于随机线性θ方法稳定性的结果。     

随机时滞Hopfield神经网络的均方指数稳定性

利用Ｌｙａｐｕｎｏｖ泛函数和Ｉｔｏ公式，研究了具有时滞的随机Ｈｏｐｆｉｅｌｄ型神经网络的均方指数稳定性，证明了三条定理和三个推论，当随机扰动这零时，便得到确定性的时滞神经网络指数稳定的结果。     

线性随机分布参数系统均方稳定的充要条件

基于线性随机分布参数系统新的数学描述形式,给出了相应的均方稳定定义．考虑边界条件及散度定理,将偏微分方程转化成常微分方程,基于常微分方程的稳定性条件给出了相应偏微分方程的稳定性条件,从而得到了该类线性随机分布参数系统均方稳定的充要条件．最后通过仿真实例证明了结果的正确性.     

随机变时滞模糊神经网络的均方渐近稳定性

基于线性矩阵不等式、Lyapunov-Krasovskill泛函和随机分析方法,研究了一类具有随机变时滞模糊神经网络的均方渐近稳定性,得到了均方渐近稳定性的充分条件.用数值例子说明了结果的有效性.     

带马尔科夫调制的双线性随机时滞系统的均方渐近稳定性

利用线性矩阵不等式与Lyapunov直接法研究了一类带马尔科夫调制的双线性随机时滞系统的稳定性,这类系统的状态中包含范数有界的不确定参数以及未知的时滞,得到了该系统均方渐近稳定的充分条件．     

时滞中立型线性随机大系统的渐近稳定性

讨论了时滞中立型线性随机系统平凡解的几乎渐近稳定性，并推广到时滞中立型线性随机大系统的几乎渐近稳定性，首次给出了中立型随机大系统渐近稳定性的代数判据，并用实例加以验证．     

时变线性随机系统均方有界性和稳定性的充要条件(英文)

研究时变线性Ito随机系统.利用等价的确定性线性系统得到时变线性Ito随机系统均方有界性和稳定性的充要条件,并在此主要结果的基础上进行了进一步的研究.文中获得的充要条件为时变线性随机系统的进一步研究提供了基础.     

一类伊藤型不确定随机系统均方稳定的充要条件

利用LMI(线性矩阵不等式)的相关知识，对不确定随机系统的均方稳定性进行深入研究，提出一类新的系数不确定伊藤型线性时不变随机系统，分析该类系统的均方稳定性，得到该类系数不确定伊藤型线性时不变随机系统均方稳定的一个充要条件，同时也得到该类系统均方稳定反馈控制器的一个设计方法。     

T-S随机模糊系统均方镇定的一类放松方法

讨论一类非线性随机系统(T-S随机模糊系统)的均方镇定问题,得到一种放松的模糊控制器设计方法.以线性矩阵不等式(LMI)的形式表示,可以通过Matlab工具箱进行求解.仿真实例说明本文得到的均方镇定控制器设计方法的可行性,而这些系统用现有的设计方法是找不到相应的模糊控制器的.     

一类不确定随机系统均方稳定的充要条件

利用线性矩阵不等式(LMI)的相关知识, 对不确定随机系统的均方稳定性进行深入研究. 提出了一类新的系数不确定伊藤型线性时不变随机系统, 分析该类系统的均方稳定性, 得到该类系数不确定伊藤型线性时不变随机系统均方稳定的一个充要条件. 同时也得到该类系统均方稳定反馈控制器的一个设计方法.     

具有分布时滞的随机中立型系统的均方指数稳定性

文章讨论具有分布时滞的随机中立型系统的均方指数稳定性.根据线性矩阵不等式方法,得到了一个关于随机中立型系统时滞相关的均方指数稳定性判据.数值例子说明了此方法的可行性和有效性.     

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.     

一类网络化随机控制系统的均方BIBO稳定

研究了一类包含网络诱导时滞、数据丢包和错序以及外界环境的随机扰动等非理想因素网络模型的均方BI-BO稳定问题。结合线性矩阵不等式技术,建立合适的Lyapunov泛函,以线性矩阵不等式的形式给出系统的均方BIBO稳定条件。     

随机时滞静态神经网络的均方指数稳定性

研究了一类随机时滞静态神经网络的稳定性问题,利用随机分析的知识和M-矩阵的理论,给出了一些新结果,并推广了有关文献中的结论。     

一类伊藤型不确定随机系统均方稳定的充要条件 

利用LMI(线性矩阵不等式)的相关知识,对不确定随机系统的均方稳定性进行深入研究, 提出一类新的系数不确定伊藤型线性时不变随机系统,分析该类系统的均方稳定性,得到该类 系数不确定伊藤型线性时不变随机系统均方稳定的一个充要条件,同时也得到该类系统均方 稳定反馈控制器的一个设计方法。     

连续变量型随机脉冲差分方程零解的均方指数稳定性

研究了连续变量型随机脉冲差分方程的均方指数稳定性,可以弥补此问题的空白.在研究过程中不仅脱离了一般的方法,例如Lyapunov方法、It^o公式等等,而且还引用了一个重要的差分不等式来获取好的结果.同样,所得结果也适用于没有脉冲的情况.     

非线性随机微分方程Milstein方法的均方稳定性

将Milstein方法应用于一般的非线性随机微分方程,证明了此数值方法是均方稳定的,并给出该方法满足均方稳定性的条件.     

随机时滞Hopfield神经网络的均方指数稳定性

利用Ｌｙａｐｕｎｏｖ泛函和Ｉｔｏ公式，研究了具有时滞的随机Ｈｏｐｆｉｅｌｄ型神经网络的均方指数稳定性．证明了三条定理和三个推论．当随机扰动为零时，便得到确定性的时滞神经网络指数稳定的结果．     

一类随机时滞微分方程的均方指数稳定性

研究了一类随机时滞微分方程的均方指数稳定性问题.利用Gronwall引理,不等式技巧和随机分析的知识,给出了在均方意义下系统均方指数稳定的代数判据.