双向联想记忆(BAM)神经网络系统的指数稳定性

研究一类具有分布时滞的双向联想记忆(BAM)神经网络系统的指数稳定性.通过构造合适的Lyapunov泛函并利用不等式分析技巧,得到了保证系统平衡点全局指数稳定的充分条件.所得结果是新的,不同于先前已有的一些结果.最后通过数值例子说明了所得结果的可行性和有效性.     

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.     

双向联想记忆神经网络的指数输入-状态稳定性

研究关于具有多个时滞效应和时变外部输入双向联想记忆神经网络模型的指数输入-状态稳定性分析。首先,建立了双向联想记忆神经网络模型,该模型具有多个时滞效应并且外部输入是时变的。而且模型中非线性神经元激励函数不要求是有界的,也不要求是光滑的。然后给出双向联想记忆神经网络指数输入-状态稳定性的一个定义,利用Lyapunov泛函和线性矩阵不等式-mX~TQX+2lX~TπY≤l2Y~Tπ~T(mQ)~(-1)πY和X~TY+Y~TX≤εX~TΛX+ε\Y~TΛ~(-1)Y的方法,获得含有多时滞效应和时变外部输入的双向联想记忆神经网络模型指数输入-状态稳定性的一个充分条件。     

双向联想记忆神经网络的指数输入 - 状态稳定性

研究关于具有多个时滞效应和时变外部输入双向联想记忆神经网络模型的指数输入-状态稳定性分析。首先，建立了双向联想记忆神经网络模型，该模型具有多个时滞效应并且外部输入是时变的。而且模型中非线性神经元激励函数不要求是有界的，也不要求是光滑的。然后给出双向联想记忆神经网络指数输入-状态稳定性的一个定义，利用Lyapunov泛函和线性矩阵不等式－mXTQX+2lXTπY≤l2YTπT(mQ)－1πY和XTY+YTX≤εXTΛX+ε\YTΛ－1Y的方法，获得含有多时滞效应和时变外部输入的双向联想记忆神经网络模型指数输入-状态稳定性的一个充分条件。
     

具有不可微时变时滞四元数神经网络的全局μ－稳定性

稳定性是实值、复值、四元数神经网络在众多领域应用中首要关心的问题,针对具有不可微时变时滞的四元数神经网络的全局μ-稳定性问题,提出了在不要求网络可分解情况下的充分性判据;将四元数神经网络整体考虑,通过构造合适的Lyapunov-Krasovskii泛函,运用自由权矩阵和矩阵不等式等技术,获得了所研究网络平衡点的全局μ-稳定性的充分性条件,给出的稳定性判据是四元数线性矩阵不等式表示的,同时将所得结果与已有的结果进行了对比;最后通过一个数值仿真实例验证了结果的有效性.     

含时延的双向联想记忆神经网络的指数吸引性分析

针对含时延的双向联想记忆神经网络模型具有多个对应于不同记忆模式的平衡点的特点,采用不等式技巧和非负矩阵性质,建立了平衡点指数吸引域及其指数收敛速度估计的方法,所得结论对含时延的双向联想记忆神经网的设计和容错性能的评价都很有意义。     

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.     

混合变时滞的中立型神经网络全局指数稳定性

利用Lyapunov—Krasovskii稳定性理论和线性矩阵不等式（LMI）处理方法,研究了一类具有混合时变时滞的中立型细胞神经网络的全局指数稳定性问题,获得了该模型平衡点全局指数稳定的一个新的充分条件．改进和推广了已有文献的结果,降低了系统的保守性．所得结论对更好的模拟细胞神经网络的行为具有重要的指导意义．     

具分布时滞和脉冲的BAM神经网络的全局指数稳定性

讨论一类具有连续分布时滞和脉冲影响的双向联想记忆(bidirectional associative memory,BAM)神经网络,通过M-矩阵、谱理论以及建立脉冲时滞微分不等式,得到系统平衡点的存在唯一性及全局指数稳定性的充分判别条件。最后,给出一个实例,说明结论的可行性和有效性。     

具有分布时滞和马尔可夫参数的双向联想记忆神经网络的随机渐近稳定性(英文)

研究了含有分布时滞和马尔可夫参数的双向联想记忆神经网络的随机渐近稳定性,给出了随机渐近稳定性的充分条件.所有的结果以线性矩阵不等式(LMI)的方式呈现,并举例证明其结果的有效性.     

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。     

具有多变时滞的中立型系统的稳定性分析

考虑了一类含有多时变时滞的中立型系统的稳定性分析问题,基于Lyapunov稳定性理论,并借助于Jensen积分不等式和线性矩阵不等式技术,给出了多时变时滞中立型系统稳定的新的充分条件。     

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。     

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.     

大型互联线性系统的输入-输出分散有限时间镇定

借助于线性时变系统输入-输出有限时间稳定性的定义,对大型互联线性时变系统引入了输入-输出有限时间稳定性的概念。并对一类大型互联线性时变系统进行了分散状态反馈控制器设计,利用微分线性矩阵不等式（DLMI）的方法,提出一个充分条件,当反馈控制律作用于该系统时,闭环系统是输入-输出有限时间稳定的。并给出仿真算例说明该结论的可行性和有效性。     

新的离散时变时延系统的稳定性条件

研究了一类离散时变时延系统的稳定性问题.通过定义新的Lyapunov函数并利用离散的Jensen不等式,给出了新的保证系统稳定的线性矩阵不等式条件.相比于已有的结果,这些新的条件涉及的决策变量少,并且算例表明它具有较小的保守性.     

混合时变时滞神经网络的状态估计器设计

研究了混合时变时滞(离散时滞和分布时滞)神经网络的状态估计问题.离散时滞在一个区间上变化,区间下界不一定为零.通过构造一个新的Lyapunov泛函,结合Jensen积分不等式,可以得到一个时滞相关状态估计器设计方法,使得误差系统是全局渐近稳定的,所得结果由线性矩阵不等式形式给出.数值算例证明了本文方法的有效性和优越性.     

时滞神经网络的鲁棒控制器

对不确定变时滞神经网络系统的鲁棒控制器的设计进行了分析.通过构建李亚普诺夫泛函并结合线性矩阵不等式方法及有关不等式技巧给出了不确定时滞神经网络的输出反馈鲁棒控制器的设计方法,提出了易于实现的鲁棒控制器设计的代数判据,其结论与满足一定条件下系统的变时滞大小无关.最后给出了实例并进行了仿真,实验结果表明所设计的鲁棒控制器的有效性.     

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.