具分布时滞的广义Cohen-Grossberg神经网络的指数稳定性

研究了具分布时滞的广义Cohen-Grossberg神经网络的动态性质.运用非线性测度和构造Lyapunov函数,获得了神经网络系统存在唯一平衡点且平衡点全局指数稳定的一个充分条件.这个条件与时滞无关.最后,给出了一个实例说明所得结论的有效性.     

一类具有时滞的投影神经网络系统的指数稳定性

文章研究了一类具有时滞的投影神经网络的稳定性问题,根据这类神经网络的特点,将神经网络的状态变量进行分块,通过构造Lyapunov泛函,导出了神经网络系统指数稳定性的充分条件,在适当的初始条件下,给出的稳定性条件与分块矩阵的某些块无关,表明我们所获得的条件的优越性。     

变时滞神经网络指数稳定性条件

基于时滞细胞神经网络(DCNNs)在图像处理等领域的广泛应用,有关它的研究引起了越来越多学者和专家的关注.早期DCNNs稳定性的结果大多由网络权矩阵的分量构成的代数不等式来表示.运用Lyapunov-Krasovskii泛函的方法,研究了DCNNs的指数稳定性,所得充分条件以矩阵的(半)正定形式出现,在实际应用中更加便于验证.与文献中的结果相比较,所得判据适用范围更广.     

一类具多比例时滞细胞神经网络的全局指数稳定性

通过构造合适的Lyapunov泛函和运用Halanay时滞不等式,讨论一类具多比例时滞细胞神经网络的全局指数稳定性,得到了判定该系统平衡点全局指数稳定的一个时滞独立的充分条件.通过数值算例和仿真结果验证了所得结论的有效性.     

具连续分布时滞细胞神经网络的指数稳定性

利用Cramer法则和Brouwer不动点定理,通过构造适当的Lyapunov泛函并结合矩阵形式的Halanay微分不等式分析技巧,研究了一类具有连续分布时滞的细胞神经网络模型的动力学性质,获得了该模型的平衡点的存在性和全局指数稳定性的充分条件.改进和推广了已有文献的结论.这些结果对设计全局指数稳定的细胞神经网络具有重要的指导意义.     

一类具变时滞细胞神经网络的全局渐近稳定性

讨论一类具变时滞细胞神经网络平衡点的唯一性和全局渐近稳定性,利用矩阵不等式,通过构造合适的Lyapunov泛函,得到了具变时滞细胞神经网络全局渐近稳定性的新的充分条件．     

分布时滞模糊BAM神经网络模型的指数稳定性

详细介绍了一类具分布时滞的模糊BAM（Bi·direction Associate Memory）神经网络模型．在合适的条件下,通过数学分析技巧和压缩映像原理,证明了模型平衡点的存在唯一性;通过构造Liapunov泛函,利用Lipschitz激励函数性质,获得了平衡点的指数稳定性．     

具有变时滞的细胞神经网络的全局指数稳定性

研究具有可变时滞的细胞神经网络的全局指数稳定性问题,得出了可变时滞的细胞神经网络全局指数稳定性的几个充分条件.在实际应用中,设计验证满足这些条件很方便,甚至无须知道时滞的具体形式.因而具有重要的理论意义和应用价值.       

一类具比例时滞Cohen-Grossberg神经网络的全局指数稳定性

研究一类具比例时滞的自治Cohen-Grossberg神经网络的全局指数稳定性.应用Young不等式和构造适当的Lyapunov泛函得到了该系统全局指数稳定的一个时滞无关的充分条件,并通过数值算例和仿真结果验证了所得结论的正确性.     

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．     

时滞依赖的变延时细胞神经网络的指数稳定性

细胞神经网络(CNNS)由于有许多重要的应用价值，所以它的稳定性分析一直是神经网络领域里的一个重要课题．近年来，神经动力系统的定性分析吸引了众多学的关注．在神经网络的电子器件实现中，出现了许多问题，诸如：转换延时，积分器，连接延时等．在这种情况下，在系统模型中一定要引进一个延时参数．要制造高质量的微电子神经网络，研究带有延时的神经动力行为是特别重要的．献[1～11]研究了时滞神经网络的全局稳定性；献[5，9，12，13]给出了有关延时细胞神经网络(DCNNs)全局稳定的充分条件，但是在这些章中，细胞的输出函数要求是一个分段线性函数并且延时是一个常量；献[10，13]虽然不再要求细胞的输出函数为分段线性函数，但是仍要求它的延时项是一个常数．在Lyapunov稳定性理论及矩阵不等式的基础上，给出了一个保证变延时细胞神经网络平衡点存在唯一并且全局指数稳定的充分条件．这个条件对参数变延时做了一个限制．给出了一个具体的数值例子及其仿其结果来说明我们结果的可行性．     

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.     

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.     

时滞神经网络的指数稳定性分析

研究了一类时滞细胞神经网络的指数稳定性问题,利用Razumikhin定理和线性不等式技术得到新的全局指数稳定性准则.与其他方法不同之处在于,对神经网络模型的“线性化”,将神经网络模型变成一个线性时变的系统.所获的条件具有较少的保守性.最后用1个数值例子说明文中所得的结果是有效的.     

具有脉冲和时滞的细胞神经网络的全局指数稳定性

讨论了一类具有时滞的脉冲细胞神经网络的全局指数稳定性.利用Lyapunov函数和不等式技巧得到了该系统全局指数稳定的一个新的充分条件,该结果具有更好的适用性.     

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.     

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.     

含混合时滞的随机Hopfiled神经网络的全局指数稳定性

考虑一类含混合时滞的随机Hopfiled神经网络,运用Razumikin方法和不等式技巧得到了该网络平凡解的p阶指数稳定性,推广了一些已有的结果,并利用一个例子,说明结果的有效性.     

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。