时滞Hopfield神经网络的全局指数稳定性

利用时滞微分不等式,讨论了时滞Hopfield神经网络的全局指数稳定性,获得了几个判定条件。这些结论推广了已知文献中的结果。     

变时滞神经网络模型的全局指数稳定性

研究了一类变时滞的Hopfield型神经网络的全局指数稳定性,在对网络系统施加两个不同的非线性神经元激励函数的条件下,利用M-矩阵的特性,得到了细胞神经网络模型在一定的条件下全局指数稳定的易于判定的充分条件,数值例子说明了本文结果的有效性.     

变时滞细胞神经网络的全局指数稳定性

研究了一类变时滞细胞神经网络平衡点的全局指数稳定性问题．在不要求激励函数全局Lipschitz条件下,利用Lyapunov函数方法和M-矩阵的特性,结合Young不等式和Halanay时滞微分不等式,得到了细胞神经网络模型在一定条件下全局指数稳定的一些充分条件．数值例子说明了本文结果的有效性．     

Hopfield型时滞神经网络模型的K-稳定性

研究具有时滞的Hopfield型神经网络模型｛Cidui(t)/dt=-ui(t)/Ri n↑∑↑j=1～↑Tijfi(uj(t-τ）） Ii，ui（s）=ψi(s),s∈[-τ，0],i=1,2,…，n平衡点的K－全局渐近稳定性与K－全局指数稳定性，通过使用不等式分析技巧和微分方程性质，得到了这类模型K－稳定性的易于验证的时滞相关充分条件，并举例验证其有效性。     

变时滞静态神经网络的全局指数稳定性

基于拓扑度理论和推广的Halanay矩阵微分不等式,研究了变时滞静态神经网络的全局指数稳定性,并给出了实用有效的判定条件。     

变时滞细胞神经网络模型的全局指数稳定性

研究了具有变时滞的细胞神经网络系统nx.i（t）=-cixi（t）＋∑nj=1aijfj（xj（t））＋∑nj=1bijfj（xj（t-τj（t）））＋Ii,i=1,2,…,n.在非线性神经激励函数满足Lipschitz条件下,借助于推广的Halanay时滞微分不等式等方法,得到了该系统的平衡点是全局指数稳定的条件.     

含时滞的Hopfield网络模型的全局指数稳定性

本文研究了具有变时滞的细胞神经网络系统·xi(t)=-cixi(t) n∑j=1αijfj(xj(t)) n∑j=1bijfj(xj(t-τj)) Ii,i=1,2,…,n.在非线性神经激励函数是Lipschitz条件下,通过引入Lyapunov函数,用不等式等方法,得到了该系统的平衡点是全局指数稳定的条件.     

具有脉冲和时滞的细胞神经网络的全局指数稳定性

讨论了一类具有时滞的脉冲细胞神经网络的全局指数稳定性.利用Lyapunov函数和不等式技巧得到了该系统全局指数稳定的一个新的充分条件,该结果具有更好的适用性.     

Hopfield型连续神经网络的全局指数稳定性

本文利用Lyapunov函数方法研究了连续Hopfield型神经网络的指数稳定性问题,得到了平衡点的全局指数稳定性的两个新的充分条件,这两个条件对于神经计算与神经网络设计具有重要的理论意义和应用价值。     

变时滞的Hopfield网络模型的全局指数稳定性

研究了其时滞是在更一般的时间变量的函数情况下的Hopfield网络系统:(*)/(x)i(t)=-cixi(t)+∑n j=1aijfj(xj(t))+∑n j=1bijfj(xj(t-τj(t)))+Ii,i=1,2,...,n.在非线性神经激励函数满足较弱的Lipschitz条件下,引入Lyapunov函数,利用不等式技巧和泛函的单调性等,研究了具有变时滞的Hopfield网络系统的稳定性,得到了对每一个输出响应函数fj(*)在R上有定义,且连续的情况下,系统有唯一的平衡点X=X*,并且该平衡点是全局指数稳定的一个易于判定的充分条件.     

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.     

带时滞的脉冲二阶Hopfield神经网络的周期解全局指数稳定性

利用重合度理论和构造Lyapunov泛函，得到了带时滞的脉冲二阶Hopfield神经网络的周期解全局稳定性充分性条件．     

脉冲时滞细胞神经网络系统的指数稳定性

讨论了一类具有时滞的脉冲细胞神经网络的全局指数稳定性。利用Lyapunov函数和不等式技巧得到了该系统全局指数稳定的一个充分条件,同时给出示例说明结果的有效性。     

一类具有时滞的不确定模糊Hopfield神经网络的指数稳定性（英文）

通过构造Lyapunov泛函及线性矩阵不等式（LMI）理论,给出了一类具有时滞的不确定Takagi-Sugeno（T-S）型模糊Hopfield神经网络的指数稳定判定准则。构造的Lyapunov泛函具有广泛性且引入具有自由加权矩阵的参数模型变换,这些方法使得文中所得稳定性条件更具一般性。最后,借助于MATLAB中的LMI工具箱给出了一个具体的数值例子来验证文中的结果。     

具有变时滞的细胞神经网络的全局指数稳定性

研究具有可变时滞的细胞神经网络的全局指数稳定性问题,得出了可变时滞的细胞神经网络全局指数稳定性的几个充分条件.在实际应用中,设计验证满足这些条件很方便,甚至无须知道时滞的具体形式.因而具有重要的理论意义和应用价值.       

变时滞神经网络指数稳定性条件

基于时滞细胞神经网络(DCNNs)在图像处理等领域的广泛应用,有关它的研究引起了越来越多学者和专家的关注.早期DCNNs稳定性的结果大多由网络权矩阵的分量构成的代数不等式来表示.运用Lyapunov-Krasovskii泛函的方法,研究了DCNNs的指数稳定性,所得充分条件以矩阵的(半)正定形式出现,在实际应用中更加便于验证.与文献中的结果相比较,所得判据适用范围更广.     

双向联想记忆神经网络的全局指数稳定性

研究了带连续时延杂交双向联想记忆神经网络的全局指数稳定性 ,通过构造适当的Lyapunov泛函获得了与时延无关的充分条件且保证网络指数收敛到惟一稳定的平衡点 ,在证明过程中 ,并不要求突轴联结权的对称性和激活函数的单凋性与可微性 ,因此论文所推导的结果更具一般性。