基于LMI的随机时滞神经网络的全局渐近稳定性分析

研究了一类时变时滞与分布时滞的随机神经网络模型的全局渐近稳定性,该模型考虑了神经网络的随机扰动性.通过构造适当的Lyapunov泛函,以线性矩阵不等式的形式给出了系统全局渐近稳定的充分条件.最后,数值算例说明了结果的正确性.     

具有leakage时滞的随机T-S模糊神经网络的稳定性

研究了一类具有leakage时滞的随机T-S模糊神经网络的稳定性,通过构造一个新的Lyapunov-Krasovskii泛函,并应用It公式、随机不等式技术,得到了基于线性矩阵不等式(LMI)的均方意义下的全局稳定性判定条件.     

一类具时滞细胞神经网络的全局一致渐近稳定性

讨论了一类具时滞细胞神经网络平衡点的全局一致渐近稳定性, 通过构造合适的Lyapunov泛函, 得到了三个具时滞细胞神经网络全局一致渐近稳定性的新的充分条件。     

一类二重Cohen——Grossberg网络的渐近稳定性神经

研究了一类具有时滞的二重Cohen—Grossberg神经网络模型，通过构造适当的Lyapunov泛函。并利用矩阵不等式的技巧给出了此类神经网络平衡点全局渐近稳定的充分条件，推广了已知献的一些结果。     

混合时滞随机神经网络全局渐近同步

研究了一类具混合时滞神经网络耦合大系统的同步问题.应用矩阵的Kronecker积与线性矩阵不等式,得到耦合大系统同步的一些充分性判据,所得到的结果易于通过Matlab线性矩阵不等式工具箱(LMI)进行检验,所讨论的神经网络具有参数的不确定性、分布时滞、随机扰动以及非线性耦合等,而且弱化了相关文献中激励函数为严格Lipshitz或Sigma型的假定,使所得结果更为精细.     

具时滞细胞神经网络周期解的全局渐近稳定性

讨论一类具时滞细胞神经网络周期解的全局渐近稳定性.通过构造合适的Lyapunov泛函及应用Barbalat引理,得到了具时滞细胞神经网络周期解的全局渐近稳定性的新的充分条件.最后通过数值算例及仿真证明了所得结论的有效性.     

离散分布时滞随机神经网络的稳定性

主要研究了具有分布时滞的随机系统的全局指数鲁棒稳定性,依据李雅普诺夫方法和线性矩阵不等式的方法,得到了参数不确定时滞相关的全局均方指数稳定性准则,数值实例演示证明其结果的有效性和可行性.     

带马氏切换的时滞脉冲神经网络稳定性分析

为研究带马氏切换的时滞脉冲随机神经网络的均方指数稳定性,构造了合适的Lyapunov函数,并利用伊藤公式、矩阵知识、泛函理论及神经网络自身的特性,对脉冲时刻及非脉冲时刻的系统状态进行分析,得到了该神经网络具有均方指数稳定性的判别准则,该准则应用广泛,简单好用.最后通过数值例子及仿真模拟,说明了该准则的正确性.     

一类随机离散神经网络全局渐近同步

研究离散型时滞随机神经网络的同步问题,考虑了参数不确定性,解决离散型分布时滞对神经网络同步问题的影响.基于主从同步的概念,设计一个有更广泛应用的控制器,应用Lyapunov稳定性理论和线性矩阵不等式工具箱,得到这类神经网络同步的充分性判据.最后给出实际例子,检验了判据的有效性.     

随机中立型时滞神经网络的全局渐近稳定性判据

研究一类含有变时滞的随机中立型神经网络的全局渐近稳定性问题.通过构造一个新的Lyapunov Krasovskii泛函和不等式技术,得到了基于线性矩阵不等式表示的与时滞大小有关的时滞稳定的充分判据.该判据考虑了一类含有分布式时滞和随机扰动项并且激活函数是常量(正数、负数和零)的中立型神经网络,与现有文献相比,其更具有一般性和较少保守性.最后,通过2个算例分析,验证了所得结果是有效的.     

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.     

关于时滞细胞神经网络全局稳定性的一些注记

首先证明具有时滞的细胞神经网络平衡点的一个存在性定理．然后，利用这定理分别得到该类神经网络的全局渐进稳定性与全局指数稳定性的判据各一个．最后，给出利用所得的新判据判别时滞细胞神经网络的全局稳定的两个例子。     

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.     

随机时滞模糊细胞神经网络均方指数稳定性分析

利用Lyapunov泛函方法研究一类随机时滞模糊细胞神经网络平衡点的均方指数稳定性,并运用不等式技术、随机分析理论证明主要结果,最后给出例子验证结果的有效性.     

一类细胞神经网络的时滞相关全局稳定性判据

研究了一类带有离散和分布时间滞后的不确定时滞细胞神经网络(DCNN)的全局渐进稳定性。应用李亚普诺夫稳定性理论,构造李亚普诺夫泛函,结合Leibniz-Newton公式,给出一个关于时滞细胞神经网络的新颖的全局渐进稳定性判据,所得出的结论依赖于时间滞后的最大值并且以线性矩阵不等式的形式给出。最后给出一个数值例子来说明所提判据的有效性和可行性。     

具有混合时滞的随机Hopfield神经网络的稳定性分析

讨论一类具有时变离散时滞和多时变分布时滞的随机Hopfield神经网络的均方鲁棒稳定性问题.假定激活函数既不可微也不严格单调,运用Lyapunov-Krasovskii泛函理论、随机分析理论和MATLAB中的LMI工具箱,推出系统渐近稳定的判别准则.最后通过数值例子论证该结果的有效性.     

时延细胞神经网络的全局渐近稳定性

通过Lyapunov泛函方法和新的不等式分析技巧,讨论了一类时延细胞神经网络的全局渐近稳定性问题,得到了一个新的充分判据,该判据可用于设计出各种全局稳定的网络。     

比例时滞神经网络的全局多项式镇定性

针对一类比例时滞神经网络，采用状态反馈控制器，在激活函数有界且满足Lipschitz条件下，通过构造适当的Lyapunov泛函，并利用平均值不等式及其分析技巧，研究了该神经网络的全局多项式镇定性和全局渐近镇定性，得到了几个时滞依赖的全局多项式镇定和全局渐近镇定的判定条件.     

一种非线性鲁棒均值预测控制器

提出了一种有界随机动态控制系统输出均值的非线性鳍棒预测控制器。在采用B－样条神经网络的平方根模型表示随机动态系统的输出概率密度函数基础上，输出分布的均值控制转换成一个非线性优化问题。为了解决这一问题，采用了L－M修正梯度搜索方法，得到预测控制器。基于Lyapunov稳定分析，得到了闭环渐近稳定的充分条件和考虑系统建模误差时的鲁棒稳定充分条件。仿真例子表明此算法正确，并获得了很好的结果。     

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。