变时滞Cohen-Grossberg随机神经网络的矩指数稳定性

本文利用随机积分的伊腾公式,时滞微分不等式及随机时滞神经网络的特性 讨论变时滞Cohen-Grossberg随机神经网络的矩指数稳定性,实例证明本文结果的优越性.     

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.     

时滞Hopfield神经网络的全局指数稳定性

利用时滞微分不等式,讨论了时滞Hopfield神经网络的全局指数稳定性,获得了几个判定条件。这些结论推广了已知文献中的结果。     

多重时变时滞的Cohen-Grossberg神经网络的指数稳定性

研究了多重时变时滞的Coben-Grossberg神经网络的指数稳定性，得到了平衡点存在以及指数稳定的充分条件，这些条件相比前人文章具有限制更少，更容易验证的特点。     

具有时滞的Cohen-Grossberg神经网络的指数输入-状态稳定

【目的】研究具有时滞的Cohen-Grossberg神经网络模型的指数输入-状态稳定。【方法】通过构造新的Halanay微分不等式来证明主要结果。【结果】对于所建立的一类具有时滞的Cohen-Grossberg神经网络模型获得了该系统指数输入-状态稳定的充分条件。【结论】此方法不仅改善了一些保守性的条件并且本文中的神经网络模型更具有一般性,一个数值例子也表明该方法是有效的。     

具有混合时滞的随机Cohen-Grossberg神经网络的稳定性分析

研究了均方意义下的具有时变时滞与分布时滞的随机Cohen-Grossberg神经网络的指数稳定性,利用It微分公式和Lyapunov泛函,得到了一个关于其指数稳定时滞无关的充分条件.具体实施方法是运用It微分公式沿所考虑的神经网络对构造的Lyapunov泛函进行微分,得到了系统稳定的代数判据.最后,通过一个数学样例说明了所得结论的有效性.目前文献尚未见同时具有时变时滞与分布时滞的随机Cohen-Grossberg神经网络的指数稳定性的相应结果,由于Cohen-Grossberg神经网络更具有代表性,其研究意义与应用前景不言而喻.     

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.     

随机变时滞递归神经网络的几乎指数稳定性

研究了一类随机变时滞递归神经网络的几乎指数稳定性问题。利用Lyapunov函数方法和Ito公式,结合矩阵分析技巧,给出了系统几乎指数稳定的判别准则。数值例子说明了该结果的有效性。     

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.     

变时滞随机反应扩散Hopfield神经网络的稳定性

作者讨论了具有变时滞的随机反应扩散Hopfield神经网络的稳定性. 利用Ito公式,时滞微分不等式和神经网络的特性,作者导出了关于非常值平衡解的矩指数稳定性的代数条件. 最后作者给出了一个说明性实例.     

变时滞随机模糊细胞神经网络的均方指数稳定性分析

利用Lyapunov泛函及随机分析技巧研究一类变时滞的随机模糊细胞平衡点的均方指数稳定性,得到了均方指数稳定性的充分条件.该模型同时考虑了模糊不确定性和随机不确定性,更加接近真实的神经网络.最后给出一个例子证明结论的有效性.     

Exponential stability of impulsive stochastic recurrent neural networks with time-varying delays and Markovian jumping

In this paper, we consider a class of impulsive stochas- tic recurrent neural networks with time-varying delays and Markovian jumping. Based on some impulsive delay differential inequalities, some easy-to-test conditions such that the dynamics of the neural network is stochastically exponentially stable in the mean square, independent of the time delay, are obtained. An example is also given to illustrate the effectiveness of our results.     

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．     

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     

具有变时滞非自治递归神经网络有界性和全局指数稳定性

目的研究变时滞的非自治递归神经网络的有界性和全局指数稳定性。方法利用广义的Halanay不等式和Lyapunov泛函方法。结果给出了保证变时滞非自治递归神经网络的全局指数稳定性的充分条件。结论文中无需考查模型平衡点的数目,也不要求激活函数可导或是单调,同时也摆脱时滞项可导的要求,所得结果具有一般特性和新颖性,改善了相关文献的理论结果。2个实例及其相应的数值仿真进一步验证了所得结果的有效性。     

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．     

具有马尔可夫跳跃参数的变时滞静态神经网络的全局指数稳定性

利用李雅普诺夫泛函方法和线性矩阵不等式技巧研究了具有变时滞和马尔可夫跳跃参数的静态神经网络的全局指数稳定性,给出了一个判断全局指数稳定性的简洁易行的代数判据。