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型神经网络的几乎指数稳定性

利用Lyapunov泛函和Ito公式，研究了具有时滞的随机Hopfield型神经网络的几乎指数稳定性，证明了一个定理和两个推论．当随机扰动为0时，得到确定性的时滞神经网络指数稳定性的结果．     

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.     

变时滞Cohen-Grossberg随机神经网络的矩指数稳定性

本文利用随机积分的伊腾公式,时滞微分不等式及随机时滞神经网络的特性 讨论变时滞Cohen-Grossberg随机神经网络的矩指数稳定性,实例证明本文结果的优越性.     

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.     

不确定随机神经网络的几乎必然指数稳定

为了探讨带有时变时滞的不确定随机神经网络的几乎必然指数稳定问题,通过构造一个合适的李雅普诺夫函数,利用李雅普诺夫函数法、随机分析法及线性矩阵不等式得到了不确定随机神经网络的几乎必然指数稳定的充分条件,验证了已知条件满足引理,表明带时滞的随机系统在时滞小于某个上界时,带时变时滞的不确定随机神经网络是几乎必然指数稳定的。所给出的判据是由线性矩阵不等式表示的,该判据是否有解可以通过Matlab工具箱快速地得到解决。     

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.     

具时变时滞的随机模糊Cohen-Grossberg神经网络的均方指数输入状态稳定性（英文）

本文对具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/状态稳定性进行了研究.利用Razumikhin技巧和时滞微分不等式,本文得到了神经网络的均方指数输入对状态稳定性的充分条件,并给出了一个例子来说明该方法的有效性.     

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．     

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.     

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。     

具有脉冲效应和Leakage项时滞的随机扰动模糊细胞神经网络的指数同步

研究了具有脉冲效应和Leakage项时滞的随机扰动模糊细胞神经网络的指数同步,通过李雅普诺夫稳定性理论、随机微分方程理论、随机分析法、It?'s公式及一些不等式方法,基于p-范数下得到了新的指数同步的充分条件.在本文中所考虑的脉冲效应是一般函数,而不是线性函数;还发现随机扰动和Leakage项时滞对系统同步有抑制作用.     

具时滞离散型神经网络指数同步问题

给出了具有时变时滞的离散型神经网络全局指数同步的定义,并对一类具有时变时滞的离散型时滞神经网络的全局指数同步问题作了详细的研究,得出了一类离散型神经网络全局指数同步的充分性判据,可通过LMI工具箱检验判据有效性。     

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。     

具有Markov切换的随机Cohen-Grossberg神经网络时滞依赖的指数同步

基于随机分析理论以及时滞依赖的反馈控制技术,首先运用Lyapunov函数方法和Gronwall不等式,其次给出了具有Markov切换的随机Cohen-Grossberg神经网络时滞依赖的指数同步的充分性判据,此判据解除了传统意义上时滞延迟的可微性以及其导数的有界性的限制,最后通过一个数值模拟实例验证了理论结果的正确性及有效性.     

一类时滞细胞神经网络的稳定性分析

讨论一类具有时滞和变时滞的细胞神经网络的指数稳定性问题,利用Lyapunov泛函的方法,给出了判定此类时滞细胞神经网络平衡点全局指数稳定性的几个充分条件,推广了一些文献的结果,使此类模型的应用更加广泛.     

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.     

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.