时滞细胞神经网络的全局渐近稳定性和指数稳定性

利用Brouwer不动点定理,证明了具有变时滞的细胞神经网络模型平衡点的存在性;利用Barbarlet引理、Dini导数与导数之间的关系,构造了一个特殊的Lyapunov函数,表明具有变时滞的细胞神经网络模型存在惟一全局指数平衡点并且全局渐近稳定;在此基础上,通过构造一个新的M-矩阵,利用Halanay时滞微分不等式和M-矩阵的特性,得出:细胞神经网络模型在一定的条件下,在平衡点处,全局指数稳定且与时滞无关.     

一个离散神经网络模型的稳定性与分支分析

通过研究一个离散时滞神经网络模型,利用复分析技巧,对线性化方程的特征根进行分析,进而获得了平衡点的局部稳定性及分支.体现了离散时滞神经网络模型的复杂的动力学性质.     

具有时滞的双向联想记忆神经网络的鲁棒稳定性

应用线性矩阵不等式技术研究了时滞双向联想记忆神经网络的平衡点稳定性问题.针对存在参数不确定的时滞双向联想记忆神经网络,根据Lyapunov稳定理论,通过构造适当的Lyapunov-Krasovskii泛函,给出了保证双向联想记忆神经网络平衡点全局鲁棒稳定的两个新判据.所得到的结果能够表示成线性矩阵不等式形式,具有易于验证和独立于时变时滞幅值大小等特点.对于慢时变时滞的情况,当时滞幅值较大时,所得结果具有较小的保守性.通过一个仿真例子表明了所得结果的有效性.     

一类具多比例时滞广义细胞神经网络的全局指数稳定性

对一类具多比例时滞广义细胞神经网络的全局指数稳定性进行研究.首先用Brouwer不动点定理证明了该系统平衡点的存在唯一性,再通过建立时滞微分不等式,获得了保证该系统平衡点全局指数稳定的时滞独立的充分条件.最后,给出了一个数值算例验证所得结果的正确性和有效性.     

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.     

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.     

一类具有比例时滞神经网络的全局幂稳定

本文通过提出一个新的Razumikhin条件,并借助Lyapunov-Razumikhin方法,建立了一类比例时滞神经网络平衡点全局幂稳定的时滞相关条件,最后通过两个算例验证了所得结果的合理性.     

时滞小波神经网络的稳定性分析

利用BROUWER不动点原理证明了时滞小波神经网络的平衡点的存在性,利用压缩映象原理证明了平衡点的唯一性．利用HALANAY时滞微分不等式,讨论了时滞小波神经网络的全局指数稳定性,并得出了几个判定定理．     

具有时变时滞的Hopfield神经网络的全局指数稳定性及衰减速度估计

应用Razumikhin型稳定性定理讨论了具有时变时滞的Hopfield神经网络平衡点的全局指数稳定性,给出了系统全局指数稳定的时滞相关和时滞无关的充分条件,同时讨论了这类系统的衰减速度.最后,通过一个例子说明本文结果的优越性.     

含扩散项时滞模糊Cohen-Grossberg神经网络的指数稳定性

文章讨论了一类含扩散项的混合时滞模糊Cohen-Grossberg神经网络,通过一些基本分析手段和不等式技巧,得到了平衡点的唯一性和全局指数稳定性的充分条件,通过实例模型验证了指数稳定性。     

带有常时滞循环耦合神经网络的全局指数稳定性

讨论了带有常时滞循环耦合神经网络的全局指数稳定性 在讨论过程中通过构造同胚映射论证了该系统平衡点的存在性与唯一性 再通过构造合适的Lyapunov函数论证唯一平衡点是全局指数稳定的 类似于已有的神经网络稳定性方面工作 在神经元的激励函数满足Lipschitz条件且相关系数构成矩阵也满足给定条件下 得到 n 层带有常时滞的神经网络全局指数稳定的动力学性质 所得结果同时也蕴含当神经元的衰减速率足够大时 神经网络是全局指数稳定的     

变时滞随机模糊细胞神经网络的全局指数稳定性

通过构造合适的Lyapunov泛函,利用It微分算子和不等式的分析技巧研究一类变时滞随机模糊细胞神经网络平衡点的全局指数稳定性,得到了该模型全局指数稳定的一个时滞独立和一个时滞依赖的充分条件.最后通过数值算例验证结论的有效性.     

变时滞神经网络模型的全局指数稳定性

研究了一类变时滞的Hopfield型神经网络的全局指数稳定性,在对网络系统施加两个不同的非线性神经元激励函数的条件下,利用M-矩阵的特性,得到了细胞神经网络模型在一定的条件下全局指数稳定的易于判定的充分条件,数值例子说明了本文结果的有效性.     

不具备M-矩阵条件的时滞Hopfield神经网络模型的收敛性

考虑了一类具有时滞的Hopfield神经网络模型解的收敛性．在不需要M-矩阵条件的前提下，获得了该网络的所有解当t→∞时都趋向于平衡点．其结果补充和完善了已有文献的相应结果．     

一类金融投资系统的风险分析

运用动力系统稳定性理论,讨论了一类金融投资系统的稳定性问题.给出了系统在时滞脉冲下零解渐近稳定的条件,分析了系统参数、脉冲和延迟区间之间的相对关系.最后进行数值仿真,验证了时滞脉冲稳定的有效性,并给出了经济学解释.     

一类延迟神经网络的全局渐近稳定性

针对一类能够由中立型变延迟非线性微分方程描述的神经网络模型,通过构造一个Lyapunov-Krasovskii泛函,给出了平衡点惟一性和全局渐近稳定的充分条件.所得到的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、严格单调性和可微性,只与连接矩阵和延迟的导数项有关,且该稳定判据能够表示成线性矩阵不等式形式,易于求解验证.     

一类反馈控制捕食-食饵系统平衡点的全局吸引

研究一类多时滞Lotka-Volterra捕食-食饵系统,通过构造多个Lyapunov函数,建立捕食-食饵系统正平衡点的全局吸引的充分性条件.并进一步证明了当食饵种群绝灭,有其它食物来源的捕食者也能稳定在某个值.