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．     

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.     

一类时滞反应扩散Cohen-Grossberg神经网络的稳定性

利用Lyapunov泛函研究一类时滞反应扩散Cohen—Grossberg神经网络平衡点的全局指数稳定性．给出了一些代数判据．     

变时滞细胞神经网络模型的全局指数稳定性

研究了具有变时滞的细胞神经网络系统nx.i（t）=-cixi（t）＋∑nj=1aijfj（xj（t））＋∑nj=1bijfj（xj（t-τj（t）））＋Ii,i=1,2,…,n.在非线性神经激励函数满足Lipschitz条件下,借助于推广的Halanay时滞微分不等式等方法,得到了该系统的平衡点是全局指数稳定的条件.     

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.       

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.     

反应扩散BAM神经网络的全局指数稳定性

利用拓扑度技巧、 M-矩阵和变分理论, 得到了考虑扩散因素在内的双向联想记忆人工神经网络系统的全局指数稳定性判定定理. 结果表明, 所给判据得出的指数稳定收敛速率估计比传统结果更精细.     

具有反应扩散和区间时滞的不确定细胞神经网络新的时滞依赖稳定性准则

考虑时滞、反应扩散、不确定项对细胞神经网络稳定性的影响是非常必要的。通过引入区间时滞,构造新的Lyapunov泛函,运用Jenson不等式和串联补偿技术,得到了系统保持稳定新的判据,并以线性矩阵不等式(LMI)呈现,且这些判据适合时滞的快慢变化,减少了系统的保守性。     

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.     

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．     

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.     

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.     

变时滞高阶BAM神经网络的稳定性

文章研究高阶BAM神经网络的稳定性，运用Brouwer不动点定理以及Lyapunov泛函方法，得到周期解的存在唯一性和稳定性．     

变连接权细胞神经网络模型的稳定性分析

旨在研究一个带时滞的变连接权细胞神经网络模型的稳定性.运用Lyapunov函数方法、代数不等式和有关微分方程稳定性理论,给出了该模型稳定性的判据,并举例说明该判据的可行性.变连接权细胞神经网络模型的稳定性研究目前还是一个较新的研究领域,故所得到的稳定性判据在理论和应用上都具有一定的指导意义.     

脉冲时滞细胞神经网络系统的指数稳定性

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充分条件,同时给出示例说明结果的有效性。     

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．     

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.     

变时滞随机模糊细胞神经网络的均方指数稳定性研究

研究变时滞随机模糊细胞神经网络的均方指数稳定性,利用Ito公式及Lyapunov泛函方法得到其均方指数稳定的判据,并举例说明了理论结果的有效性.