It型随机抛物型神经网络的指数稳定性

由高斯白噪声驱动的It型随机抛物型神经网络的稳定性,利用随机Lyapunov稳定性理论,Halanay不等式、改进的积分不等式,得到了与扩散项及时滞相关的稳定性判据,该条件在实际中容易验证,最后给出了数值算例,验证所得结果的有效性.     

随机时滞静态神经网络的均方指数稳定性

研究了一类随机时滞静态神经网络的稳定性问题,利用随机分析的知识和M-矩阵的理论,给出了一些新结果,并推广了有关文献中的结论。     

随机时滞系统指数稳定的鲁棒性

研究了一类半线性随机时滞系统的指数稳定性,建立了这类系统均方指数稳定和几乎必然指数稳定的判据     

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.     

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．     

含混合时滞的随机Hopfiled神经网络的全局指数稳定性

考虑一类含混合时滞的随机Hopfiled神经网络,运用Razumikin方法和不等式技巧得到了该网络平凡解的p阶指数稳定性,推广了一些已有的结果,并利用一个例子,说明结果的有效性.     

不确定性随机时滞神经网络的稳定性

研究了一类不确定性随机可变时滞的半线性神经网络系统,应用Lyapunov函数,Razumikhin定理,建立了这类系统的均方指数稳定和几乎必然指数稳定的判据。     

随机延时细胞神经网络的几乎必然指数稳定性

依据细胞神经网络的输出函数特征，将状态空间分解成子区域，研究了一类随机延时细胞神经网络在噪声环境下的几乎必然指数稳定性．当细胞神经网络模型的扰动项满足Lipschitz条件时，得到一些几乎必然指数稳定的代数准则．如果细胞神经网络的平衡点是子区域的内点，并且与这个平衡点相关的矩阵有一个稳定度使扰动稳定，则细胞神经网络的平衡点仍保持指数稳定的性质．所有结果只需计算网络的平衡点与矩阵的特征值．     

Hopfield神经网络的指数稳定性

研究了一类神经网络的稳定性问题,通过构造Liapunov函数给出了Hopfield神经网络的平衡点的指数稳定的充分条件.     

具有混合时滞的随机细胞神经网络的稳定性分析

讨论了具有混合时滞的随机细胞神经网络的p-阶矩指数稳定和几乎必然指数稳定性.借助于局部鞅收敛定理、M-矩阵的性质和It公式,在较为宽松的扩散系数矩阵的限制条件下,得到了p-阶矩指数稳定和几乎必然指数稳定的充分条件,推广了现有一些文献的结果.     

具有可变时滞的随机系统的指数稳定性

研究了具有可变时滞的随机系统ｄｘ（ｔ）＝（ｆ（ｔ,ｘ（ｔ）,ｘ（ｔ－δ１））＋△ｆ（ｔ,ｘ（ｔ）,ｘ（ｔ－δ２（ｔ）））ｄｔ＋ｇ（ｔ,ｘ（ｔ）,ｘ（ｔ－δ３（ｔ））ｄｗ（ｔ）的ｐ阶均值指数稳定性与几乎必须指数稳定性,引入对应的随机系统,（无时滞与扰动）ｄｘ（ｔ）＝ｆ（ｔ,ｘ（ｔ）,ｘ（ｔ）ｄｔ＋ｇ（ｔ,ｘ（ｔ）,ｘ（ｔ）ｄｗ（ｔ）并假设它是指数稳定的,应用Ｒａｚｕｍｉｋｈｉｎ技巧证明了当时滞δｉ（     

随机森林发展系统数值解的指数稳定性

研究了一类随机时变森林发展系统,考虑了外部环境对系统的影响.对随机森林发展系统的解以及数值解的均方指数稳定性进行了讨论,并给出了解决此类问题的方法与步骤.根据Euler方法,构造了系统的数值解,利用等距法得到了数值解均方指数稳定的充分必要条件.所得结论是对已有结论的推广和完善.     

一类随机微分方程指数稳定性的判别

利用Gronwall不等式和广义Gronwall不等式研究了一类It^o型随机微分方程的指数稳定性,建立了新的p阶均值指数稳定性判别准则,去掉了通常文献中对算子LV为负定的必要条件.     

不确定随机时滞系统的指数稳定性

研究具有时滞项的不确定随机系统的指数稳定性。运用Itoe微分公式沿系统对构造的Lyapunov泛函进行微分,得到了用线性矩阵不等式表示的有关不确定随机时滞系统均方指数稳定的一个充分判据。此判据为非时滞依赖型,可以较好地运用到不易取得时滞信息的系统中。     

随机系统的稳定性

研究了随机系统ｄｘ（ｔ）＝〖Ａ＋＾－Ａ（ｔ）ｘ（ｔ）＋（Ｂ＋＾－Ｂ（ｔ－τ１（ｔ））ｘ（ｔ－τ１（ｔ）〗ｄｔ＋ｇ（ｔ,ｘ（ｔ）,ｘ（ｔ－τ２（ｔ）ｄω（ｔ）的指数稳定性,引入对应的稳定性系统（无不确定性、随机扰动与时滞）ｘ（ｔ）＝（Ａ＋Ｂ）ｘ（ｔ）并设定是指数稳定的,应用Ｒａｚｕｍｉｋｈｉｎ定理证明了当不确定性＾－Ａ与＾－Ｂ、随机扰动ｇ及时滞τｉ（ｉ＝１,２）充分小时,原随机系统仍指数稳定。     

具有分布时滞的随机中立型系统的均方指数稳定性

文章讨论具有分布时滞的随机中立型系统的均方指数稳定性.根据线性矩阵不等式方法,得到了一个关于随机中立型系统时滞相关的均方指数稳定性判据.数值例子说明了此方法的可行性和有效性.     

中立型分布参数随机系统的指数稳定性

基于随机Fubini定理,将随机偏微分方程描述的系统转化为用相应的随机常微分方程来描述．利用关于空间变量平均的Lyapunov函数与Ito公式．通过对所构造的Lyapunov泛函在Ito微分规则下对相应系统求导的方法,研究了中立型分布参数随机系统的均方指数稳定性,得到了系统均方指数稳定的充分条件．     

多重时滞离散神经网络的指数稳定性

论文研究了带有多重时滞的连续神经网络的离散模型.离散神经网络模型对于连续模型的实际应用及其数值计算具有十分重要的意义,不仅如此,它自身也有独特的动力学性质与广泛的应用领域.论文通过不动点理论等分析方法,在没有假设激励函数有界性和可微性的情况下,给出了系统的不动点存在唯一性和全局指数稳定性的充分条件.     

一类含连续分布时滞的随机Hopfiled神经网络模型的几乎必然指数稳定性和p阶矩指数稳定性

考虑一类含连续分布时滞的随机Hopfiled神经网络模型的几乎必然指数稳定性和p阶矩指数稳定性,借助创建Lyapunov函数和运用非负半鞅收敛定理得到了该网络模型平凡解几乎必然指数稳定和p阶矩指数稳定的充分条件,并通过2个例子,说明结果的有效性.