具分布延时细胞神经网络的指数周期与稳定性

研究了具分布延时细胞神经网络的全局指数周期性与指数稳定性。在没有假设激活函数是有界的、可微的、单调增的情况下,通过应用一些新的分析技巧与Halanay-type不等式方法,得到了确保延时细胞神经网络周期解存在唯一且全局指数周期与全局指数稳定的简单的、容易验证的、新的充分条件。并给出了算例及其仿真结果支持所得结论。     

Almost Automorphic Solutions for Quaternion-Valued Hopfield Neural Networks with Mixed Time-Varying Delays and Leakage Delays

This paper considers a class of quaternion-valued Hopfield neural networks with mixed time-varying delays and leakage delays. By utilizing the exponential dichotomy of linear differential equations, Banach's fixed point theorem and differential inequality techniques, the authors obtain some sufficient conditions to ensure the existence and global exponential stability of almost automorphic solutions for this class of quaternion-valued neural networks. The results are completely new. Finally,the authors give an example to illustrate the feasibility of the results.     

Nonlinear Dynamics and Stability of Neural Networks with Delay-Time

In this paper we study the dynamic properties and stabilities of neural networks with delay-time (which includes the time-varying case) by differential inequalities and Lyapunov function approaches. The criteria of connective stability, robust stability, Lyapunov stability, asymptotic atability, exponential stability and Lagrange stability of neural networks with delay-time are established, and the results obtained are very useful for the design, implementation and application of adaptive learning neural networks.     

离散和分布时变时滞混沌神经网络广义投影同步

研究一类离散和分布时变时滞的混沌神经网络的广义投影同步问题.利用非线性观测器方法实现同步十分简单,且利用极点配置技术,可通过调整特征值来调节同步速率的快慢.与一般混沌神经网络模型相比,带有离散和分布时变时滞的混沌神经网络模型更为一般,同时反同步和完全同步是广义投影同步的特例.最后,提出基于广义投影同步的离散和分布时变时滞混沌神经网络的保密通信方案,给出两个数值仿真例子验证结果的有效性.     

具变时延细胞神经网络模型的全局指数稳定性

通过构造新的Lyapunov泛函．巧妙引入可调实参数，并结合Hardy不等式以及推广的Halanay时延微分不等式，讨论了一类具有可变时延细胞神经网（DCNNs）的全局指数稳定性问题，所得结果改进、推广了文[7]、文[8]中相应的结论，并可应用于以前所不能处理的若干情形。特别地，还通过实例说明了相应准则的应用，扩大了神经网络设计的范围，这在理论上和应用中都有着重要意义。     

具有时滞的二阶Hopfield神经网络的稳定性分析

对具有时滞的二阶Hopfield型神经网络平衡点的全局渐近稳定性问题进行了研究。在不要求连接权矩阵的对称性和输入输出函数的可微性与单调性的情况下 ,通过构造适当的Lyapunov泛函得到了网络平衡点的存在性和全局渐近稳定性的若干充分条件 ,这些条件可用于设计全局渐近稳定的二阶人工神经网络。     

时滞分布参数系统的指数渐近稳定性

基于Lyapunov稳定性理论,利用辅助函数方法研究由变时滞分布参数控制系统所导出的滑动模运动方程的指数渐近稳定性问题,获得了一类滑动模运动方程指数渐进稳定的充分条件,建立了滑动模运方程解的指数渐近稳定性定理。这就为研究时滞分布参数系统的变结构控制问题奠定了理论基础。     

The Stability of Imitation Dynamics with Continuously Distributed Delays

This paper investigates imitation dynamics with continuously distributed delay. In realistic technological, economic, and social environments, individuals are involved in strategic interactions simultaneously while the influences of their decision-making may not be observable instantaneously.It shows that there exists a time delay effect. Different distributions of delay are further considered to efficiently lucubrate the stability of interior equilibrium in the imitation dynamics with continuou...     

General Decay Synchronization for Recurrent Neural Networks with Mixed Time Delays

This paper studies the general decay synchronization(GDS) of a class of recurrent neural networks(RNNs) with general activation functions and mixed time delays. By constructing suitable Lyapunov-Krasovskii functionals and employing useful inequality techniques, some sufficient conditions on the GDS of considered RNNs are established via a type of nonlinear control. In addition, one example with numerical simulations is presented to illustrate the obtained theoretical results.     

一类延时细胞神经网络的指数周期性与稳定性

细胞神经网络动态行为的研究是细胞神经网络应用的理论基础。对一类具分布延时细胞神经网络,研究了其全局指数周期性与稳定性。在输出函数满足全局Lipschitz连续的条件下,通过构造合适的Lyapunov泛函,给出了延时细胞神经网络全局指数周期性与稳定性的容易验证的充分条件。给出了算例及其仿真结果来验证所得结论,并说明所得结论与文献[16]的结论是相互独立的。     

分布式神经网络推理原理

本文给出了一种复合神经元，简称ＣＩＮＮ。它由兴奋性神经元和抑制性神经元组合而成，具有３种状态、４种输入端和两种输出端。利用该神经元可以形成分布式神经推理系统。这种神经推理系统能够实现１６种类型关联推理规则，而普通神经推理系统仅能实现３种关联推理规则。     

连续型联想细胞神经网络局部指数稳定性研究

由于细胞神经网络的潜在应用前景 ,它现已成为神经网络研究的新热点。首先给出连续型联想细胞神经网络的数学模型 ,得到了连续型细胞神经网络平衡点局部指数稳定的充要条件及平衡点指数吸引域的估计 ,研究表明对平衡点的指数吸引域的估计 ,只要计算平衡点处的导算子矩阵的对数范数即可。该研究对连续型联想细胞神经网络的设计和应用均有重要的作用。     

Finite-Time and Fixed-Time Synchronization of Inertial Neural Networks with Mixed Delays

This paper considers the drive-response synchronization in finite-time and fixed-time of inertial neural networks with time-varying and distributed delays(mixed delays). First, by constructing a proper variable substitution, the original inertial neural networks can be rewritten as a first-order differential system. Second, by constructing Lyapunov functions and using differential inequalities,some new and effective criteria are obtained for ensuring the finite-time synchronization. Finally, three numerical examples are also given at the end of this paper to show the effectiveness of the results.     

时延HOPfield神经网络稳定性分析

根据李亚普诺夫稳定函数建立了时延神经网络渐近稳定性判据的充分条件。给出了其详细的证明及其3个推论。该判据实用性很强,不仅适用于对称和不对称的关联矩阵,而且适用于零增益的激励函数。通过两个例子表明这个判据比已有的一些判据更积极,更具有实用性。     

非线性多智能体网络的分布式包容控制

针对具有本质非线性动态的多智能体网络,研究分布式包容控制问题.假设只有部分个体已知领航者信息,依据相对位置和速度信息设计分布式控制律.基于代数图论、矩阵理论和Lyapunov稳定性分析方法,得出非线性网络实现渐近包容控制的充分条件.当跟随者之间有向强连通且每个跟随者都至少存在一个领航者与其通信,可选取合适的控制增益使得跟随者渐近收敛到由多个领航者所围成的静态凸包中.仿真实例验证了理论分析的正确性和有效性.     

用迭加法分析非线性网络的稳定性

非线性网络 N 建立周期振荡的充分必要条件是存在一个满足功率平衡 P =0 ,Q=0 的等效模型 ,这个模型是无限多个线性微变模型Njk的迭加 ,其中起码必须有一个成份满足Pjk≤ 0和Qjk≤ 0 。如果对于任意的微变成份都是Pjk >0和Qjk >0 ,迭加的结果必然有P >0或Q >0 ,则网络N无法寄生任何形式的周期振荡。这个含非线性放大器的网络是稳定的     

用迭加法分析非线性网络的稳定性Z

非线性网络N建立周期振荡的充分必要条件是存在一个满足功率平衡P=0,Q=0的等效模型,这个模型是无限多个线性微变模型N     

Distributed Parameter Neural Networks via Adaptive Wavelet

The paper outlines a new neural net (DPNN) for describing brain's action based on one-dimensional cable theory. While the traditional neural network system only finding its character involving time changing (as HNN, BP etc.), the model-DPNNs (distributed parameter neural networks) are not only the transmitted neurons of time variation, but also the functions of positions by the voltage u(x. I). With the neuroscientific relevance, some bionural features like intermittent conduction and dendritic spike are fixed well by DPNNs which considered as complicated and adaptive devices contract to the functional elementary units. To find the semi-analytical representation of DPNNs, adaptive wavelets are utilized as new microlocalization tools. While maintaining all advantages of wavelet function, the adaptive wavelet offers a viable alternative learning procedure to the orthogonal least squares method (OLS), Adaptive wavelet method develops a fairly general, low-cost multiscale method for neural net optimization.     

离散时间细胞神经网络的收敛性条件

神经网络的收敛性是网络各种应用的基础。主要研究了离散细胞神经网络的收敛性 ,并给出了几个新的网络收敛性条件。如果细胞网络的模板不是互补的 ,则给出一个网络在细胞格子非相互作用演化方式下的收敛性结果 ,所获结果推广了已有的结论。如果模板是互补的 ,且是行占优的 ,则网络按细胞格子行方式进行演化是收敛的。如果模板是互补的 ,且是列占优的 ,则网络按细胞格子列方式进行演化是收敛的。     

分布参数突触联接动态神经网络及其稳定性研究

本文利用树突树的冲激响应对分布参数突触联接进行了形式化描述。在树突空间结构形式化描述基础上，我们提出一种分布参数突触联接动态神经网络，并且详细地研究它的有界性和稳定性。本文主要贡献是，得到了包括突触联接在内的树突树系统的冲激响应及其绝对可积性；提出了分布参数突触联接动态神经网络及其数学描述；给出了有界性和稳定性定理。