求解一类新的二次规划问题的时滞投影神经网络方法

把Q为正定矩阵或半正定矩阵推广到Q为亚正定矩阵,利用时滞投影神经网络模型和李亚普诺夫函数的特性,给出判断这种特殊二次优化最优解的充分条件.最后通过数值仿真说明了该网络的有效性.     

变时滞神经网络的时滞相关指数稳定性判据

研究其具有变时滞的神经网络的时滞相关指数稳定性问题.利用Lyapunov-Krasovskii泛函和自由权矩阵方法,提出此类神经网络有唯一稳定点和全局指数稳定的充分条件.不要求激活函数的单调递增性和时滞导数小于1,具有较弱的保守性.通过算例验证所给方法的正确性.     

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．     

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。     

时滞并联限制细胞神经网络的时滞依赖的全局稳定性

通过构造合适的Lyapunov函数,研究了时滞并联限制细胞神经网络的全局稳定性,给出了并联限制细胞神经网络的时滞依赖的全局鲁棒稳定且是全局指数稳定的充分条件。     

具有离散和分布时滞的脉冲神经网络的全局指数稳定性

研究了一类具有离散和分布时滞的脉冲神经网络的全局稳定性。基于微分方程的Lyapunov稳定性理论和线性矩阵不等式（LMI）处理方法,得到了系统全局指数稳定的充分条件。     

时滞神经网络周期解存在性及全局指数稳定性

运用重合度理论、M-矩阵理论及李雅普诺夫方法,获得了带时滞神经网络周期解存在性和全局指数稳定性的充分条件.     

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定性分析

讨论了具有变时滞的细胞神经网络的性质，借助Brown不动点原理和Lyapunov函数得到了其平衡点存在唯一性和若干全局指数稳定的充分条件．     

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.     

变时滞的Hopfield网络模型的全局指数稳定性

研究了其时滞是在更一般的时间变量的函数情况下的Hopfield网络系统:(*)/(x)i(t)=-cixi(t)+∑n j=1aijfj(xj(t))+∑n j=1bijfj(xj(t-τj(t)))+Ii,i=1,2,...,n.在非线性神经激励函数满足较弱的Lipschitz条件下,引入Lyapunov函数,利用不等式技巧和泛函的单调性等,研究了具有变时滞的Hopfield网络系统的稳定性,得到了对每一个输出响应函数fj(*)在R上有定义,且连续的情况下,系统有唯一的平衡点X=X*,并且该平衡点是全局指数稳定的一个易于判定的充分条件.     

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．     

时滞细胞神经网络模型的渐近性态分析

对具有时滞的神经网络模型xi(t)=-Cixi(t) ∑j=1^n aijfj(xj(t)) ∑j=1^n bijfj(xj(t-τj)) Ii,i=1,2,…,n,在非线性神经元激励函数满足Lipachitz连续的条件下通过构造适当的泛函，研究了这类模型的渐近性态，获得了这类模型全局吸引和平衡点的全局指数稳定易于验证的充分条件．     

具一般输出函数的时滞细胞神经网络的指数稳定性

讨论了具有一般输出函数的时滞细胞神经网络模型的全局指数稳定性,给出了一个使模型具有惟一的全局指数稳定的平衡点的充分条件,这一结果包含已有文献中的许多结果作为特例.     

时滞细胞神经网络模型的全局吸引性和全局指数稳定性

借助于Liapunov第二方法 ,对具有时滞的细胞神经网络系统x′i(t) =-Cixi(t) ∑nj=1aijfj(xj(t) ) ∑nj=1bijfj(xj(t-τj) ) Ii,　i=1,2 ,… ,n ,在非线性神经元激励函数满足Lipschitz连续的条件下 ,研究了这类模型全局吸引和平衡点全局指数稳定的问题 ,获得了易于验证的充分条件     

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.     

一类求解退化凸二次规划的投影神经网络

借助变分不等式和Kuhn—Tucker条件,构造了一类投影神经网络求解线性约束的退化凸二次规划问题．与已有的求解退化凸规划问题的神经网络系统相比,系统的适用范围更广;在理论方面,系统是全局收敛的;数值实例显示了所得结论的有效性和正确性．     

Delay-Dependent Exponential Stability of Stochastic Delayed Recurrent Neural Networks with Markovian Switching

The exponential stability problem is investigated for a class of stochastic recurrent neural networks with time delay and Markovian switching. By using Ito＇s differential formula and the Lyapunov stability theory, sufficient condition for the solvability of this problem is derived in term of linear matrix inequalities, which can be easily checked by resorting to available software packages. A numerical example and the simulation are exploited to demonstrate the effectiveness of the proposed results.     

一类二元时滞神经网络模型同步解的收敛性

对一类二元时滞神经网络模型的同步解进行定性研究,主要是针对网络参数的不同取值,分步地求解一个在一定初始函数空间中给定初始值的泛函微分方程,再讨论模型同步解的收敛性.我们的分析表明网络参数在神经网络模型研究中具有极其重要的作用.