带时变时延效应的模糊神经网络均方指数输入的状态稳定性

在本文中,我们对一类带随机和时变时滞效应的模糊Cohen-Grossberg神经网络的均方指数输入对状态稳定性进行了研究。通过利用Razumikhin技巧和构造新的时滞微分不等式,我们得到了神经网络系统均方指数输入对状态稳定性的充分性判定条件。并给出了一个例子用来说明我们得到的结果的有效性。     

具有混合时滞Cohen-Grossberg随机神经网络的均方指数稳定性

研究了具有时变时滞与分布时滞的随机Cohen-Grossberg神经网络的均方指数稳定性.运用It微分公式沿所考虑的神经网络对构造的Lyapunvo函数进行微分,利用时滞微分不等式得到其均方指数稳定的几个充分判据.仿真例子证明了结果的有效性.     

一类随机模糊细胞神经网络的输入对状态稳定性分析

研究一类带时变系数的随机泛函模糊细胞神经网络在均方意义下的指数输入对状态稳定性.利用It8公式、Razumikhin技巧和建立Halanay微分不等式,得到该系统在均方意义下的指数输入对状态稳定性的2个充分条件.最后,给出一个数值仿真例子用以来说明得到的判据的正确性和有效性.     

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.      

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.     

双向联想记忆神经网络的指数输入-状态稳定性

研究关于具有多个时滞效应和时变外部输入双向联想记忆神经网络模型的指数输入-状态稳定性分析。首先,建立了双向联想记忆神经网络模型,该模型具有多个时滞效应并且外部输入是时变的。而且模型中非线性神经元激励函数不要求是有界的,也不要求是光滑的。然后给出双向联想记忆神经网络指数输入-状态稳定性的一个定义,利用Lyapunov泛函和线性矩阵不等式-mX~TQX+2lX~TπY≤l2Y~Tπ~T(mQ)~(-1)πY和X~TY+Y~TX≤εX~TΛX+ε\Y~TΛ~(-1)Y的方法,获得含有多时滞效应和时变外部输入的双向联想记忆神经网络模型指数输入-状态稳定性的一个充分条件。     

双向联想记忆神经网络的指数输入 - 状态稳定性

研究关于具有多个时滞效应和时变外部输入双向联想记忆神经网络模型的指数输入-状态稳定性分析。首先，建立了双向联想记忆神经网络模型，该模型具有多个时滞效应并且外部输入是时变的。而且模型中非线性神经元激励函数不要求是有界的，也不要求是光滑的。然后给出双向联想记忆神经网络指数输入-状态稳定性的一个定义，利用Lyapunov泛函和线性矩阵不等式－mXTQX+2lXTπY≤l2YTπT(mQ)－1πY和XTY+YTX≤εXTΛX+ε\YTΛ－1Y的方法，获得含有多时滞效应和时变外部输入的双向联想记忆神经网络模型指数输入-状态稳定性的一个充分条件。
     

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.     

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.     

随机混合时滞的Cohen-Grossberg神经网络均方指数稳定性的新判据

研究了随机混合时滞的Cohen-Grossberg神经网络的均方指数稳定性,运用了常数变易公式、随机比较原理的方法,得到其均方指数稳定的充分条件,并给出了数值例子来验证结论的有效性和正确性.     

S-分布时滞随机高阶Hopfield神经网络的均方指数稳定性

考虑了一类具有S-分布时滞随机高阶Hopfield神经网络模型的动力行为.利用Lyapunov泛函方法、随机分析理论和不等式技巧,研究了网络的均方指数稳定性,给出了均方稳定性判据,并以实例证明了结论的正确性.     

含反应扩散项和混合时滞的随机Hopfield神经网络的时滞相关全局指数稳定性分析

研究一类含反应扩散项和混合时滞的随机Hopfield神经网络的稳定性,通过构造恰当的Lya-punov泛函和运用不等式分析,得到了该网络平凡解时滞相关的全局均方指数稳定性条件,推广了已有的结果.利用一个例子,说明结果的有效性.     

随机时滞Hopfield神经网络的均方指数稳定性

利用Ｌｙａｐｕｎｏｖ泛函和Ｉｔｏ公式，研究了具有时滞的随机Ｈｏｐｆｉｅｌｄ型神经网络的均方指数稳定性．证明了三条定理和三个推论．当随机扰动为零时，便得到确定性的时滞神经网络指数稳定的结果．     

随机时滞Hopfield神经网络的均方指数稳定性

利用Ｌｙａｐｕｎｏｖ泛函数和Ｉｔｏ公式，研究了具有时滞的随机Ｈｏｐｆｉｅｌｄ型神经网络的均方指数稳定性，证明了三条定理和三个推论，当随机扰动这零时，便得到确定性的时滞神经网络指数稳定的结果。     

不确定区间时滞Markov跳变BAM神经网络的鲁棒指数稳定性

讨论了具有不确定区间时滞的BAM神经网络的鲁棒均方指数稳定性问题.通过构造适当的Lyapunov-Krasovskii 泛函,利用一些新的定界技术,以线性矩阵不等式形式给出了Markov跳变BAM神经网络的时滞且区间相关的全局鲁棒指数稳定性判据,该判据利用Matlab的LMI工具很容易进行检验.给出数值示例,说明了判据的有效性与优越性.     

变时滞Cohen-Grossberg 随机神经网络的矩指数稳定性

本文讨论了随机变时滞Cohen-Grossberg神经网络的矩指数稳定性.利用Ito公式、时滞微分不等式和神经网络的特征，作者导出了这类神经网络矩指数稳定性的代数条件并给出了一个说明性实例.     

随机区间时滞Hopfield 神经网络的指数稳定性

讨论了一类带有可变时滞的随机区间Hopfield神经网络的指数稳定性,利用李雅普罗夫函数和Razunlinkhin-定理,得到了一些关于该系统均方指数稳定与几乎必然稳定的时滞无关和时滞相关的充分性判据,推广了现有文献中关于定常时滞及其确定形式的一些结果．     

具有时滞的Cohen-Grossberg神经网络的指数输入-状态稳定

【目的】研究具有时滞的Cohen-Grossberg神经网络模型的指数输入-状态稳定。【方法】通过构造新的Halanay微分不等式来证明主要结果。【结果】对于所建立的一类具有时滞的Cohen-Grossberg神经网络模型获得了该系统指数输入-状态稳定的充分条件。【结论】此方法不仅改善了一些保守性的条件并且本文中的神经网络模型更具有一般性,一个数值例子也表明该方法是有效的。     

S-分布时滞随机广义细胞神经网络的均方指数稳定性分析

利用Lyapunov泛函方法和随机分析技巧,研究了S-分布时滞随机广义细胞神经网络的全局均方指数稳定性。给出了稳定性判据。仿真实验验证了结论的正确性。     

基于LMI的时滞细胞神经网络的指数稳定性分析

研究了一类具有时滞的细胞神经网络的指数稳定性问题,利用Lyapunov Krasovskii函数,给出了系统全局指数稳定的时滞相关稳定性条件,其结果以线性矩阵不等式的形式给出,可以很容易求出系统稳定的时滞上界,并且能够达到时滞无关指数稳定性和全局渐近稳定性.数值算例说明了本文结果的优越性.