不确定区间时滞Markov跳变BAM神经网络的鲁棒指数稳定性

讨论了具有不确定区间时滞的BAM神经网络的鲁棒均方指数稳定性问题.通过构造适当的Lyapunov-Krasovskii 泛函,利用一些新的定界技术,以线性矩阵不等式形式给出了Markov跳变BAM神经网络的时滞且区间相关的全局鲁棒指数稳定性判据,该判据利用Matlab的LMI工具很容易进行检验.给出数值示例,说明了判据的有效性与优越性.     

不确定区间时滞Markov跳变BAM神经网络的鲁棒指数稳定性

讨论了具有不确定区间时滞的BAM神经网络的鲁棒均方指数稳定性问题。通过构造适当的Lya-punov-Krasovskii泛函,利用一些新的定界技术,以线性矩阵不等式形式给出了Markov跳变BAM神经网络的时滞且区间相关的全局鲁棒指数稳定性判据,该判据利用Matlab的LMI工具很容易进行检验。给出数值示例,说明了判据的有效性与优越性。     

具有离散与分布时滞神经网络鲁棒稳定性

针对一类具有离散与分布时滞的神经网络存在的鲁棒稳定性问题,考虑时滞与参数扰动等不确定因素,通过加入三重积分条件,构造合理的Lyapunov-Krasovskii泛函,并采用线性矩阵不等式技术.研究结果表明:得到系统全局指数鲁棒稳定的时滞相关充分条件,同时能够得到系统全局渐进鲁棒稳定的充分条件,表明了该方法的有效性和可行性.     

具有分布时滞的双向联想记忆神经网络稳定性分析

考虑分布时滞的双向联想记忆神经网络模型,并且给出其平衡态一致稳定和全局渐近稳定的充分条件。     

含时滞和脉冲的双向联想记忆神经网络模型的全局鲁棒一致渐近稳定性分析

讨论了一类含时滞和脉冲的双向联想记忆神经网络模型的鲁棒渐近稳定性.通过构造恰当的Lyapunov泛函和使用线性矩阵不等式技巧,获得了该模型全局鲁棒一致渐近稳定的充分条件.通过2个例子说明了结论的有效性.     

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.     

具有不确定和混合时滞中立系统的鲁棒稳定性分析

讨论了一类具有分布和离散混合时滞的不确定中立型系统的鲁棒稳定性.通过构造包含时滞上、下界及其中点信息的Lyapunov-Krasovskii泛函,并结合Jensen不等式和倒数凸引理得到了基于线性矩阵不等式的系统鲁棒稳定性判据.通过数值例子说明了本文方法的有效性和更小的保守性.     

一类具有不确定性时滞大系统的鲁棒稳定条件

根据微分方程理论和矩阵指数特性，讨论了一类具有时变时滞线性大系统的稳定性，并导出了具有时滞相关和时滞无关线性系统稳定性的充分条件，然后讨论了此类大系统的鲁棒稳定条件，并与相关文献进行了比较，计算实例表明，所得出的结果改进了现有的研究成果。     

有脉冲和时滞的双向记忆神经网络稳定性分析

利用Lyapunov函数和二维Hanalay类型不等式,研究带有脉冲和时延的广义双向联想记忆神经网络平衡点的全局指数稳定性,得到了几个判断网络全局指数稳定的充分条件,这些条件刻画了脉冲强度和没有脉冲的连续子网络(双向联想记忆神经网络的连续部分)的指数收敛速度对整个网络的全局指数稳定性的混合影响。研究结果表明即使脉冲对网络状态有放大的影响,脉冲时滞双向联想记忆神经网络也可能保持连续子网络的全局指数稳定性质。数值例子验证了理论结果的正确性。     

一类时变时滞不确定系统的鲁棒保性能控制

针对一类线性时变时滞不确定系统,运用Lyapunov稳定性理论和线性矩阵不等式方法,讨论了系统的鲁棒保性能控制问题.给出了系统鲁棒稳定性条件,将结果表示成线性矩阵不等式的形式,并进一步给出了系统状态反馈控制器的设计方法.最后给出数值算例,说明了该方法的有效性.     

Stability analysis of BAM neural networks with time-varying delays

Some new criteria for the global asymptotic stability of the equilibrium point for the bi-directional associative memory neural networks with time varying delays are presented. The obtained results present the structure of linear matrix inequality which can be solved efficiently. The comparison with some previously reported results in the literature demonstrates that the results in this paper provide one more set of criteria for determining the stability of the bi-directional associative memory neural networks with delays.     

Stability analysis of BAM neural networks with time-varying delays

Some new criteria for the global asymptotic stability of the equilibrium point for the bi-directional associative memory neural networks with time varying delays are presented. The obtained results present the structure of linear matrix inequality which can be solved efficiently. The comparison with some previously reported results in the literature demonstrates that the results in this paper provide one more set of criteria for determining the stability of the bi-directional associative memory neural networks with delays.     

变时滞区间细胞神经网络的全局鲁棒稳定性

本利用拓扑度理论和Liapunov泛函方法讨论了变时滞区间细胞神经网络的全局鲁棒稳定性，给出了实用有效的判定条件，推广了有关献中的结果。     

具有变系数和变时滞的BAM神经网络的全局指数稳定性的新判据

研究了一类具有变系数和变时滞的联想记忆神经网络的全局指数稳定性。通过选择适当的Lyapunov-krasovskii泛函,利用不等式技巧给出了联想记忆神经网络的全局指数稳定性的新判据。     

可变时延神经网络的全局指数稳定性

利用Lyapunov泛函方法和线性矩阵不等式(LMI)技术,讨论了带有可变时延的神经网络的全局指数稳定性.通过引入一系列参数,给出全局指数稳定的平衡点的充分条件.实例表明给出的充分条件是有效、可行的.     

BAM神经网络的稳定性分析

本文研究了BAM神经网络的稳定性问题,通过构造新的Lyapunov泛函,给出了此类系统平衡点渐近稳定的充分条件,并举例说明了结果的有效性和保守性.该充分条件对丰富和完善了神经网络的稳定性理论体系,具有积极的意义.     

基于LMI的不确定离散多时滞系统鲁棒控制

针对一类离散时间多时滞不确定系统,给出了新的充分条件以保证该系统的鲁棒稳定性.通过采用Lyapunov方法,结合线性矩阵不等式(LMI)技术,设计出系统的状态反馈鲁棒控制器.最后,通过仿真案例表明所提出理论结果的正确性和有效性.     

不确定线性时滞系统新的鲁棒稳定性分析

考虑了一类含有时变时滞的不确定线性系统的鲁棒稳定性问题.基于新构造的Lyapunov函数和自由权矩阵方法,得到了较小保守的时滞相关的稳定性准则.数值例子说明了所得结果的有效性和较小保守性.     

分布时滞静态神经网络全局鲁棒稳定性

利用拓扑度理论和Liapunov泛函方法，讨论了分布时滞静态神经网络模型的全局鲁棒稳定性，给出了实用有效的判定条件．     

一种新的时滞细胞神经网络全局渐近稳定性准则

研究了一类具有时滞的细胞神经网络全局稳定性问题。首先,提出所研究的时滞细胞神经网络模型、系统激活函数所需满足的条件及本文需要用到的引理。然后,将所研究的系统通过一个等式进行线性变换,在定义一个与系统相关的积分操作基础上讨论时滞细胞神经网络的全局渐近稳定性。与早期的文献结果相比,本文所得结果具有更少保守性,并且该条件是与时滞相关的。本文所得到的稳定性准则可以很容易地求出系统稳定的时滞上界,进而可以很容易得到时滞无关稳定性结果。最后,用一个数值例子证明本文所得的稳定性条件是有效的。