模糊惯性BAM神经网络固定时间同步

研究了具有时变无界时滞的模糊惯性BAM神经网络的固定时间同步问题。首先,使用压缩映射原理,证明其平衡点存在的唯一性。其次,通过设计Lyapunov函数和反馈控制器,采用非降阶法得到其固定时间同步判定准则。最后,通过数值仿真验证了结果的正确性。     

一类混合时变时滞混沌神经网络自适应同步研究

基于微分方程的拉萨尔不变集原理和自适应动态反馈控制技术,研究了一类带有完全未知参数和混合时变时滞的混沌神经网络的自适应同步问题,给出了保证两个具有相同结构但具有完全未知参数的时滞混沌神经网络同步的控制律的设计方法.在此自适应控制律的作用下,达到了同步与参数辨识同时进行的目的.所设计的控制律简单,易于实现.仿真示例验证了所提方法的有效性.     

带有不确定性的时变时滞神经网络渐近稳定性分析

研究了一类既具有时变时滞,又带有不确定性的细胞神经网络全局渐近稳定性问题,并给出了新的稳定判据.其中考虑的不确定性为有界不确定性,系统参数具有的这种不确定性是与时间相关的,它的参数被限制在一定范围内,时间滞后函数是随时间变化而改变的,但它的导数是小于1的.在国际上,针对这一类综合性问题的研究并无太成熟理论.因此,所建模型与以往模型相比更具有一般性.通过构造新的Lyapunov函数,利用LMI方法,给出了系统稳定的充分条件.最后,用仿真实例证明了理论的有效性.     

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.     

混合时滞与非线性控制输入神经网络同步分析

研究了一类具有时变时滞与无穷分布时滞、控制输入具扇形非线性性(sector nonlin-earity in the control input)的神经网络的全局渐近同步问题,基于驱动-响应方法和Lyapunov理论,适当设计一个失忆扩散的输入控制律,给出了驱动系统与响应系统同步的充分条件。     

基于神经网络的时变时滞系统自适应内模控制

将基于人工神经网络的时变时滞系统参数辨识算法与内模控制相结合,提出了时 滞系统自适应内模控制算法,理论分析及仿真结果表明,该算法能克服时滞及参数的变化,具有鲁棒性好,抗干扰能力的特点。     

时滞耦合随机神经网络全局指数同步

应用矩阵的Kronecker积、线性矩阵不等式及随机微分方程等有关工具,研究了一类具离散时滞与分布时滞的随机神经网络耦合大系统的均方全局指数同步问题.综合考虑了参数的不确定性、分布时滞、随机扰动、非线性耦合等的影响,并弱化了相关文献中激励函数为严格Lipshtz或Sigma型的假定,得到该耦合大系统均方全局指数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.     

具有漏泄时滞和时变区间时滞的递归神经网络新的稳定性准则

研究了具有漏泄时滞和时变区间传输时滞的递归神经网络的渐近稳定性问题.基于Lyapunov-Krasovskii(L-K)稳定性理论.Jensen不等式和互惠凸方法,得到了线性矩阵不等式(LMIs)表示的新的稳定性准则.相对于现存的方法,避免利用保守性较大的中立型变换,且在构造L-K泛函时充分利用了漏泄时滞和传输时滞的关联信息,因此所得准则具有较小的保守性.数值例子验证了所得结果的有效性和较小保守性.     

一般双重时变时滞复杂网络的同步分析

讨论一般双重时变时滞复杂网络的同步问题,约束了复杂网络外部耦合矩阵是非对称且可约,从而对复数特征根及复数域上的向量进行处理.基于Lyapunov稳定性理论和线性矩阵不等式,构造适当的Lyapunov泛函,得到复杂网络实现同步的充分条件.对网络同步问题进行数值仿真,所得结果表明同步方法的有效性和可行性.     

Riemann-Liouville型分数阶时滞惯性复值神经网络的全局渐近同步性

本文研究了Riemann-Liouville型分数阶时滞惯性复值神经网络的全局渐近同步问题。先引入了分数阶时滞惯性复值神经网络模型,在Riemann-Liouville型分数阶导数复合性质基础上,通过变量代换的方法将惯性系统转化为常规系统。然后,基于全局渐近同步理论和不等式技巧,得出了在新的反馈控制器下分数阶时滞惯性复值神经网络全局渐近同步的充分条件。     

BAM神经网络的稳定性分析

本文研究了BAM神经网络的稳定性问题,通过构造新的Lyapunov泛函,给出了此类系统平衡点渐近稳定的充分条件,并举例说明了结果的有效性和保守性.该充分条件对丰富和完善了神经网络的稳定性理论体系,具有积极的意义.     

反应扩散变时滞细胞神经网络的稳定性

利用构造Lyapunov函数的方法讨论了带反应扩散项的变时滞细胞神经网络全局指数稳定性.在输出响应函数有界且满足Lipschitz条件和系统满足文章所给的条件下,得到了判定该类网络解的全局指数稳定性.     

变时滞高阶BAM神经网络的稳定性

文章研究高阶BAM神经网络的稳定性,运用Brouwer不动点定理以及Lyapunov泛函方法,得到周期解的存在唯一性和稳定性．     

具有变化时滞和变化系数的Cohen-Grossberg神经网络周期解的存在性

研究了具有变化时滞和变化系数的Cohen-Grossberg神经网络周期解的存在性．我们既没有假设活动函数的有界性、单调性和可微性，也没有假设放大函数的有界性，利用矩阵理论和一致度量理论，通过分析方法，获得了检验模型周期解存在性的一个充分条件．一个例子被提供以显示获得结果的有效性．     

具有时变时滞的两个复杂动态网络间的外同步

本文讨论了一类具有时变时滞的驱动-响应网络的外同步问题.以线性矩阵不等式(LMI)和Lyapunov泛函方法,获得了该两个复杂动态网络间达到外同步的判据.即当系统参数满足下列条件之一:即当(1)0≤i(t)≤σ＜1,Mi＞0,Si＞0,[Ui(t)λicMiΓ λicΓTMi-(1-σ)Si]＜0,i=2,…,N;(2)i(t)≤0,τ(t)≤τ,0＜τ＜∞,Mk＞0,Sk＞0,[Uk λ kcM kΓ-Y k τHTZkλkcΓTMk-Sk τλkcΓZk τZkH τλkcΓ-τZk]＜0,k=2,…,N,则驱动-响应网络达到外同步.最后用数值例子验证了结论的有效性.     

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.     

多时变时滞细胞神经网络的全局指数稳定性

针对一类多时变时滞细胞神经网络,利用Young不等式和Halanay不等式技术,给出了保证平衡点惟一性和全局指数稳定性的几个充分判据.所得到的全局指数稳定判据完全独立于时滞,不要求时变时滞的可微性和神经元激励函数的严格单调性,且通过几个注释说明本文的结果改进和扩展了现有一些文献中的结果.仿真例子证明了本文结果的有效性.     

双重时滞复杂动力网络的同步分析

 讨论具有双重时滞的复杂动力网络的同步问题,利用线性化技巧和线性矩阵不等式得出网络同步定理,并通过数值例子来阐述得到的理论结果.     

随机变时滞递归神经网络的几乎指数稳定性

研究了一类随机变时滞递归神经网络的几乎指数稳定性问题。利用Lyapunov函数方法和Ito公式,结合矩阵分析技巧,给出了系统几乎指数稳定的判别准则。数值例子说明了该结果的有效性。