具有分布时滞的双向联想记忆神经网络稳定性分析

考虑分布时滞的双向联想记忆神经网络模型,并且给出其平衡态一致稳定和全局渐近稳定的充分条件。     

具有时滞的双向联想记忆神经网络的稳定性分析

研究一类具有时滞的变系数双向联想记忆神经网络(BAM)的稳定性问题.由于时滞变系数双向联想记忆神经网络的平衡点不一定存在,分平衡点存在和不存在两种情况进行研究.在BAM神经网络系统存在平衡点时,通过构造Lyapunov函数,结合不等式分析技巧,给出了系统指数稳定的充分条件;在BAM神经网络系统不存在平衡点时,利用数学归纳法给出了系统的吸引域.     

含时滞的双向联想记忆神经网络的全局吸引性和全局指数稳定性

本文研究了具有时滞的双向联想记忆神经网络模型,在非线性神经元激励函数是Lipschitz连续的条件下,通过构造适当的泛函,得到了该系统的平衡点是全局吸引和全局指数稳定.     

含时滞和脉冲的双向联想记忆神经网络模型的全局鲁棒一致渐近稳定性分析

讨论了一类含时滞和脉冲的双向联想记忆神经网络模型的鲁棒渐近稳定性.通过构造恰当的Lyapunov泛函和使用线性矩阵不等式技巧,获得了该模型全局鲁棒一致渐近稳定的充分条件.通过2个例子说明了结论的有效性.     

具有时滞的双向联想记忆神经网络的鲁棒稳定性

应用线性矩阵不等式技术研究了时滞双向联想记忆神经网络的平衡点稳定性问题.针对存在参数不确定的时滞双向联想记忆神经网络,根据Lyapunov稳定理论,通过构造适当的Lyapunov-Krasovskii泛函,给出了保证双向联想记忆神经网络平衡点全局鲁棒稳定的两个新判据.所得到的结果能够表示成线性矩阵不等式形式,具有易于验证和独立于时变时滞幅值大小等特点.对于慢时变时滞的情况,当时滞幅值较大时,所得结果具有较小的保守性.通过一个仿真例子表明了所得结果的有效性.     

多比例时滞杂交双向联想记忆神经网络的全局指数稳定性

考虑多比例时滞杂交双向联想记忆神经网络的全局指数稳定性．应用Brouwer不动点定理证明了多比例时滞杂交双向联想记忆神经网络平衡点的存在性,再通过构造合适的Lyapunov泛函,获得了该系统平衡点全局指数稳定的时滞依赖的充分条件,该条件蕴含系统平衡点的唯一性,并给出了一个例子说明结论的有效性．     

脉冲时滞Cohen-grossberg神经网络的指数稳定性

分析了脉冲时滞Cohen-Grossberg神经网络的平衡点的存在唯一性及全局指数稳定性.利用Liapunov函数方法和同胚映射理论,结合积分不等式技巧,得到了保证脉冲时滞Cohen-Grossberg神经网络全局指数稳定性的一个新的充分判据.所得判据改进了前人的结果.     

双向联想记忆神经网络的全局指数稳定性

在研究双向联想记忆神经网络时,通常都假设输出响应函数是光滑的增函数,但实际应用中遇到的大多数函数都是非光滑函数。因此,本文将双向联想记忆神经网络的输出响应函数连续可微的假设削弱为满足Lipschitz条件,通过引入Lyapunov函数,利用不等式的方法,证明了双向联想记忆神经网络全局指数稳定性的一个定理。     

具有时滞和脉冲的离散神经网络的稳定性

讨论了一类具有时滞和脉冲的离散神经网络,通过利用Razumikhin定理和线性矩阵不等式的性质,获得了模型指数稳定的新的充分条件,推广和改进了已有的相关结果.     

时滞离散时间双向联想记忆模型的研究

提出一类时滞离散时间双向联想记忆神经网络模型,研究了平衡点的全局吸引性,并且以具体仿真算例给出了利用平衡点的全局吸引性建立这类双向记忆神经网络的方法。     

具离散时滞的混合双向联想记忆神经网络的周期解

在放弃活跃函数的有界性、单调递增性和可微性条件下,引入可调实参数di>0(i=1,2,…,n),通过构造Lyapunov泛函和运用不等式分析技巧,对一类具离散时滞的混合双向联想记忆神经网络的周期解、平衡点的存在唯一性和全局指数稳定性给出了一些新的充分准则.     

带有阈值的广义模糊双向联想记忆网络的稳定性分析

基于模糊取大算子“V”和一类t－模“T”建立了带有阈值的V－T型模糊双向联想记忆网络,证明了当T满足李普希兹条件时,系统的平衡点是Lyapunov稳定的,并给出系统为结构稳定的一个充分条件。最后用实例验证了结论的正确性。     

具有多时滞和多参数的双向环状网络的稳定性

针对具有多时滞和多参数的四元双向环形神经网络系统进行动力学分析,首先在平凡解附近对系统进行线性化处理,得到系统的特征方程。然后对特征方程进行因式分解,将其分解为四个一阶指数型多项式的连乘。进而,利用指数型多项式零点分布性质,建立系统与时滞相关及与时滞无关的稳定性充分条件。此外,将所得结论与已有文献中的结果做了详尽的对比分析,并利用数值模拟佐证了理论分析的有效性和优越性。     

Stability analysis of BAM neural networks with time-varying delays

Some new criteria for the global asymptotic stability of the equilibrium point for the bi-directional associative memory neural networks with time varying delays are presented. The obtained results present the structure of linear matrix inequality which can be solved efficiently. The comparison with some previously reported results in the literature demonstrates that the results in this paper provide one more set of criteria for determining the stability of the bi-directional associative memory neural networks with delays.     

Stability analysis of BAM neural networks with time-varying delays

Some new criteria for the global asymptotic stability of the equilibrium point for the bi-directional associative memory neural networks with time varying delays are presented. The obtained results present the structure of linear matrix inequality which can be solved efficiently. The comparison with some previously reported results in the literature demonstrates that the results in this paper provide one more set of criteria for determining the stability of the bi-directional associative memory neural networks with delays.     

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.     

具时滞离散和分布BAM神经网络的全局渐近稳定性

研究一类同时具离散时滞和分布时滞的BAM(bidirectional associative memory)神经网络平衡点的全局渐近稳定性问题.所给BAM模型对激活函数做了扇形非线性条件假设,利用M矩阵理论,通过构造新的LyapLlnov函数并利用一些分析技巧,获得具时滞离散和分布BAM神经网络的全局渐近稳定性的充分条件.数值例子说明了所得结果的有效性.