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。     

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．     

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。     

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。     

含时延的双向联想记忆神经网络的指数吸引性分析

针对含时延的双向联想记忆神经网络模型具有多个对应于不同记忆模式的平衡点的特点,采用不等式技巧和非负矩阵性质,建立了平衡点指数吸引域及其指数收敛速度估计的方法,所得结论对含时延的双向联想记忆神经网的设计和容错性能的评价都很有意义。     

时滞细胞神经网络模型的全局吸引性和全局指数稳定性

借助于Liapunov第二方法 ,对具有时滞的细胞神经网络系统x′i(t) =-Cixi(t) ∑nj=1aijfj(xj(t) ) ∑nj=1bijfj(xj(t-τj) ) Ii,　i=1,2 ,… ,n ,在非线性神经元激励函数满足Lipschitz连续的条件下 ,研究了这类模型全局吸引和平衡点全局指数稳定的问题 ,获得了易于验证的充分条件     

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.     

有脉冲和时滞的双向记忆神经网络稳定性分析

利用Lyapunov函数和二维Hanalay类型不等式,研究带有脉冲和时延的广义双向联想记忆神经网络平衡点的全局指数稳定性,得到了几个判断网络全局指数稳定的充分条件,这些条件刻画了脉冲强度和没有脉冲的连续子网络(双向联想记忆神经网络的连续部分)的指数收敛速度对整个网络的全局指数稳定性的混合影响。研究结果表明即使脉冲对网络状态有放大的影响,脉冲时滞双向联想记忆神经网络也可能保持连续子网络的全局指数稳定性质。数值例子验证了理论结果的正确性。     

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.     

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。     

离散时间神经网络的全局指数稳定性

研究了离散时间神经网络的全局指数稳定性问题．利用Liapunov函数法．得到了判断离散时间神经网络全局指数稳定性的一个新的充分条件．     

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.     

二阶连续型Hopfield神经网络的平衡点及全局指数稳定性

讨论输出响应函数为非光滑的二阶连续型Hopfield神经网络的平衡点的存在和唯一性,得到了该类网络平衡点存在并且唯一的两个充分条件.同时,该类网络的唯一平衡点全局指数稳定的一个新判据被获得.作为特例,输出响应函数为非光滑的一阶连续型Hopfield神经网络的一些新判据也被得到.这些新判据是文献[3]的诸结果的改进.     

具有时变时滞的Hopfield神经网络的全局指数稳定性及衰减速度估计

应用Razumikhin型稳定性定理讨论了具有时变时滞的Hopfield神经网络平衡点的全局指数稳定性,给出了系统全局指数稳定的时滞相关和时滞无关的充分条件,同时讨论了这类系统的衰减速度.最后,通过一个例子说明本文结果的优越性.     

嗅觉皮层神经网络的全局指数稳定性

研究了嗅觉皮层神经网络的全局稳定性,利用压缩映射原理和构造Lyapunov泛函的方法,给出了判定平衡点的存在唯一性及全局稳定性的条件．