具有时变脉冲的随机时滞微分系统的指数稳定性

针对脉冲随机微分系统中可能同时含有控制和扰动两种不同作用的脉冲效应,且脉冲的类型和强弱随时间的推移而改变;提出了时变脉冲条件下,随机时滞微分系统的指数稳定性;借助比较定理的方法,针对控制脉冲与扰动脉冲分别给出了平均脉冲区间的上界与下界,从而导出了脉冲随机时滞微分系统指数稳定的充分条件。     

Markov跳变的非线性脉冲系统指数稳定性

研究了具有Markov跳变的随机脉冲系统的p阶矩指数稳定性和几乎必然指数稳定性.首先, 利用平均停留时间, 基于Lyapunov函数,建立了这类系统指数稳定的充分条件;然后,基于M-矩阵,给出了指数稳定的代数判据;最后,给出一个例子说明本文结果的有效性.     

不确定时滞随机系统的鲁棒指数稳定

利用Laypunov泛函和Ito微分公式,研究一类半线性不确定时滞系统的鲁棒指数稳定性,给出系统均方指数稳定和几乎必然指数稳定的代数判据.     

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     

一般速率下马尔可夫调制随机系统的稳定性

一些稳定的随机系统是非指数稳定的,可能出现方程解收敛的速率较指数速率低的情况,如多项式或对数.为了更精确地定量分析系统的稳定性,文中将指数稳定概念推广到更一般稳定的衰减函数,研究了一类马尔可夫调制随机系统在一般衰减速率下的稳定性.利用It公式、Borel-Cantelli引理和鞅指数不等式等随机分析技巧,先建立了解析解p阶矩(t)稳定和几乎必然(t)稳定的定理,然后证明了在相同的条件下,对足够小的步长Δ,Euler Maruyama方法能保持相同的稳定性.     

不确定多时滞随机神经网络的鲁棒稳定性

研究了一类不确定随机多时滞神经网络的全局指数鲁棒稳定性.通过引入半鞅收敛定理,运用It微分公式沿系统对构造的Lyapunov泛函进行微分,借助于正定二次型及正定矩阵的相关理论,以线性矩阵不等式的形式给出了具有多时滞的不确定随机神经网络系统几乎必然指数稳定的新的代数判据.     

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.     

微分代数系统时滞依赖稳定性分析

采用线性矩阵不等式的方法,研究了一类微分代数时滞系统的稳定问题,得出了微分代数系统时滞依赖的稳定性条件,验证了微分代数时滞系统解的惟一性、无脉冲性及稳定性.     

随机混沌系统的几乎必然指数稳定与随机镇定

研究了一类随机混沌系统的几乎必然指数稳定性和随机噪声镇定问题.首先,利用Lyapunov函数法,得到了系统分别基于线性矩阵不等式和矩阵不等式形式的几乎必然指数稳定的判据.其次,在随机混沌系统稳定性分析的基础上,给出随机镇定的代数判据.最后,通过数值仿真验证了结论的有效性。     

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。     

脉冲随机微分方程的a．S．指数稳定性

基于Itσ随机微积分理论,运用Lyapunov函数的方法,Borel－Cantelli引理及随机分析技巧得到了带脉冲随机微分方程零解a．s．指数稳定的条件．     

带Markov跳跃参数的奇异随机微分方程指数稳定性

通过构造新的Lyapunov函数,并利用矩阵范数的定义和性质,在Markov调制的随机微分方程的指数稳定性基础上,建立了Markov调制的奇异随机微分方程的p阶指数稳定性和几乎必然指数稳定性的条件并予以证明．     

具有有界滞量的滞后型脉冲泛函微分系统的指数稳定性

首先建立了一维脉冲时滞广义Halany不等式,然后利用此不等式研究了有界滞量脉冲泛函微分系统零解的弱指数稳定性及全局指数稳定性,并给出相关的例子。     

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。     

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．     

随机泛函微分系统的脉冲镇定

针对一般的随机泛函微分系统,提出了可脉冲均方一致渐近镇定和可周期性脉冲均方一致渐近镇定的定义.利用Lyapunov函数和一个一维线性脉冲时滞系统的渐近稳定性条件,得到了随机泛函微分系统可周期性脉冲均方一致渐近镇定的充分判据,并给出了脉冲控制律的具体设计方法.脉冲控制函数为正比例函数,脉冲发生间隔则依赖于系统本身的参数和选取的脉冲控制函数的比例系数.数值例子表明所设计的脉冲控制器是有效的.     

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．