中立型细胞神经网络的稳定性分析

基于线性矩阵不等式（LMI）技巧对中立型细胞神经网络的稳定性问题进行了研究，给出了神经网络稳定的一个充分性条件和系统稳定中立项所必须满足的一个必要条件。仿真结果证明了所给算法的有效性，同时表明所得结论优于Y-M-ZHANG等的结果。     

基于LMI的中立型Hopfield神经网络的稳定性

为了更加深入地了解神经网络的复杂性,研究了中立型Hopfield神经网络模型,对该模型的稳定性的判定进行了探讨.通过构造合适的Lyapunov泛函,借助线性矩阵不等式(LMI)的一些技巧以及Lyapunov-Krasovskii稳定性理论,给出了该神经网络模型稳定的充分条件,以及模型稳定时中立项所必须满足的必要条件.给出的结果改进了已有的结论和方法,在一定程度上降低了求解的难度,在实际应用方面更加简捷方便.仿真实例表明了算法的有效性,以及所存在的保守性.     

中立型系统的稳定性分析

研究了一类中立型系统的稳定性问题,利用离散化的李雅普诺夫泛函,给出了一个稳定性判据条件,所给条件以线性矩阵不等式的形式给出.     

分布时滞中立型不确定神经网络稳定性分析

神经网络是高度复杂的大规模的非线性动力学系统,具有丰富的动力学行为。神经网络被广泛应用于信号处理、图像处理和人工智能等问题中,所以其理论研究受到了很大的重视,并得到一系列好的结果。时滞现象是普遍存在于神经网络中的,而造成神经网络系统不稳定和震荡的根源往往是时滞。同时,时滞的种类有多种,不同的时滞会表现出不同的动力学特性,因此研究不同种类的时滞神经网络的稳定性问题具有非常实际的意义。另外由于所获系统信息的不全面或存在一定的信息偏差,系统常常被刻画的不准确,因此利用所获信息得到的系统模型必然存在不确定性。研究一类具有分布时滞的中立型不确定神经网络模型稳定性问题,应用Lyapunov函数理论,以及线性矩阵不等式的技巧,进一步研究了神经网络的稳定性问题,提出了神经网络渐近稳定性的判据,最后通过数值算例来验证所得结论的正确性和有效性。     

一类非线性中立型系统的渐近稳定性

讨论了一类非线性中立型系统的渐近稳定性问题.引入了适当的向量Lyapunov-Krasovskii泛函,给出了不仅依赖于滞后项时滞,而且还依赖于中立项时滞的稳定性判据.改进了先前用于算子D中所施加的限制0<|α|<1.判定条件由LMIs给出,可以通过Matlab中的工具箱比较容易地进行求解.最后给出了数值仿真,以说明判据的可行性.     

一类广义中立型系统的稳定性分析

考虑了一类广义时滞中立型系统的渐近稳定性。首先把广义的时滞中立型系统转化为一个带有约束条件的中立型系统,然后利用Lyapunov稳定性理论和线性矩阵不等式技巧,得到了系统稳定的充分条件。本文的结论也适用于线性时滞广义系统稳定性的判定,而且比现有的结果具有更小的保守性。最后,仿真试验证明了本文结果的有效性。     

一类中立型方程的渐近稳定性

通过讨论一类线性中立型系统的渐近稳定性,利用线性矩阵不等式(LMI)和Liapunov泛涵,给出判定此类线性中立型系统渐近稳定的充要条件,在一定基础上简化了判断此类时滞中立型系统稳定性的条件,从而推广了该类判断的结果。     

一般中立型Lurie控制系统的绝对稳定性

利用Lyapunov泛函和线性矩阵不等式方法,研究一般中立型Lurie控制系统的绝对稳定性,给出了系统绝对稳定的充分条件,这些条件用线性矩阵不等式表示,可以很方便地应用MA孔AB工具箱求解.     

一类中立型时滞系统的相关稳定性

基于李雅普诺夫泛函方法,研究了离散时滞和中立型时滞相等的系统稳定性问题,同时也研究了两类时滞不等的混合时滞系统的稳定性.对区间进行了四等分分解,在构造的李雅普诺夫泛函中引入了二重积分项,对积分项的导数进行时滞等分处理,利用线性矩阵不等式分析技巧和李雅普诺夫稳定性定理获得保守性较小的时滞系统相关稳定性判定依据.     

中立型时滞系统的稳定性及对有界扰动抑制的性能分析

利用Lyapunov-Krasovskii泛函方法,对中立型时滞系统的时滞无关稳定性和时滞相关稳定性进行分析,得到了用线性矩阵不等式表示的系统稳定的一系列充分条件及其对持续有界扰动抑制的性能分析,并进行算例验证。     

具有时变时滞的中立型神经网络的稳定性分析

考虑了一类具有时变时滞的中立型神经网络.首先,利用同胚映射定理,证明了平衡点的存在唯一性.其次,通过构造Lyapunov泛函及利用Lyapunov稳定性理论,得到了平衡点全局渐近稳定的充分条件.与已有结论对比表明,针对某些系统,所得条件可作为判断其稳定性的依据.最后,通过几个数值模拟的例子验证了结论.     

中立型四元数神经网络的稳定性分析

讨论了中立型四元数神经网络的全局μ稳定问题.用复分解法将中立型四元数神经网络转换为2个复值神经网络,减少了计算复杂度.根据同胚映射理论证明了时滞中立型四元数神经网络系统解的存在唯一性.构造了李雅普诺夫泛函,通过不等式技巧和自由权矩阵方法等分析技巧,分析给出了时滞四元数神经网络系统的全局μ稳定的稳定性判据以及它的一个推论.最后,通过1个数值算例验证文章方法的有效性和结论的正确性.     

随机细胞人工神经网络的稳定性

基于细胞神经网络输出函数饱和线性特性,采用分割状态空间为若干子区域的方法,对处于噪声环境下的细胞神经网络的几乎必然指数稳定性进行了分析.在噪声扰动项分别满足Lipschitz条件和线性条件下,依据平衡点所处子区域位置,得到了对应区域中仅依赖于网络参数构成的矩阵负定性的若干代数判别条件.特别地,如果平衡点为区域内点,所得结果是非常方便检验的.研究结果可供网络设计参考,并可用来计算网络抗干扰强度.     

变时滞非线性细胞神经网络稳定性分析

通过构造新的Lyapunov-Krasovskii泛函和线性矩阵不等式(linear matrix inequatity,LMI),研究变时滞非线性细胞神经网络渐近稳定性,利用牛顿-莱布尼兹公式,一些参数矩阵表达出系统变量之间的关系。从而得出一个具有变时滞相关的全局渐近稳定性判据,其扩展并改善了以前文献的结果。数值及仿真例子验证了结果的有效性。     

变时滞非线性细胞神经网络稳定性分析

通过构造新的Lyapunov-Krasovskii泛函和线性矩阵不等式（linear matrix inequatity,LMI）, 研究变时滞非线性细胞神经网络渐近稳定性, 利用牛顿-莱布尼兹公式, 一些参数矩阵表达出系统变量之间的关系。从而得出一个具有变时滞相关的全局渐近稳定性判据, 其扩展并改善了以前文献的结果。 数值及仿真例子验证了结果的有效性。     

一类时滞细胞神经网络稳定性判断标准

目的研究一类细胞神经网络。方法通过构造合适的Lyapunov函数和利用基本不等式技巧na1a2…an≤an1 an2 … ann进行研究。结果获得了时滞细胞神经网络(DCNNs)全局渐进稳定的判断标准。结论改进和一般化了相关结果。     

离散Hopfield神经网络的稳定性分析

利用能量函数推广了一些关于离散Hopfield神经网络稳定性结论，同时给出了稳定点存在的一个充要条件，最后给出了几个有趣的例子，揭示这类网络渐进行为的复杂性。     

Cohen-Grossberg神经网络稳定性分析

为了研究具有逆Lipschitz激励函数的Cohen-Grossberg神经网络的稳定性,应用Brouwer拓扑度性质和线性矩阵不等式技术,探讨了Cohen-Grossberg神经网络的平衡点的存在性及唯一性。通过构造合适的Lyapunov函数和利用Lyapunov对角稳定性矩阵,给出了唯一平衡点全局指数稳定的充分条件。