具有时滞的动态神经元的全局稳定性分析

分析了具有时滞的动态神经元的全局吸引子的存在性以及全局稳定性.首先利用耗散性理论给出了具有时滞的动态神经元的全局吸引子的存在性.进而通过选取适当的李雅谱诺夫泛函并利用一些分析技术,给出了具有时滞的动态神经元的全局渐近稳定的新的充分条件以及全局吸引子的结构.帕克达曼的结果是本文结果的特殊情形.     

离散Hopfield神经网络的异步渐近行为

主要研究非对称离散Hopfield神经网络和带有延迟项的非对称离散Hopfield神经网络的异步渐近行为。提出了异步演化的网络状态图和网络状态图的洞的概念 ,研究了网络状态图的洞和神经网络的异步稳定性之间的关系。给出了非对称离散Hopfield网络的异步稳定条件和不稳定条件以及某些特殊情况下的网络状态图的结构。同时 ,也得到了非对称延迟离散Hopfield网络的异步收敛性条件。所获结果推广了一些已有的结论。     

一类线性时滞系统的时滞依赖稳定性研究

针对一类带有参数不确定性的线性时滞系统,研究其时滞依赖稳定性问题。采用改进的Lyapunov-Krasovskii泛函方法给出了线性时滞系统基于线性矩阵不等式的时滞依赖稳定的充分条件,在定理的证明中结合牛顿公式改进了一系列二次型积分不等式,从而有效降低了定理保守性。最后给出2个计算实例,通过与现有方法的比较可以看出本文方法的更加有效,且得到的最大时滞具有更小的保守性。     

具有无界时变时滞的线性系统的稳定性

讨论了一类无界时变时滞线性系统的稳定性，给出了无界时变时滞线性系统稳定性的充分条件，这些条件也适用于常时滞系统。同时讨论了具有多个无界时变时滞系统的稳定性，并且改进了一些已有的关于常时滞系统稳定性的结论。最后给出了本文结论的两个示例。     

不同演化模式的离散Hopfield网络的稳定性研究

神经网络的稳定性被认为是神经网络应用的基础。研究了非对称离散Hopfield神经网络的异步、同步、部分同步演化方式的稳定性 ,证明得到对于已知稳定的网络 ,如果经其连接权矩阵一定的增量 ,得到一个新的连接权矩阵 ,则在一定条件下可保证所得新的网络仍是稳定的。所获结果不仅推广了已有的结论 ,而且为离散Hopfield神经网络稳定性的稳健性能分析和应用提供了理论基础。     

时延HOPfield神经网络稳定性分析

根据李亚普诺夫稳定函数建立了时延神经网络渐近稳定性判据的充分条件。给出了其详细的证明及其3个推论。该判据实用性很强,不仅适用于对称和不对称的关联矩阵,而且适用于零增益的激励函数。通过两个例子表明这个判据比已有的一些判据更积极,更具有实用性。     

变时滞广义神经网络的指数稳定性

讨论具有可变时滞的Cohen Grossberg广义神经网络平衡态的稳定性问题。以推广的Halanay微分不等式为工具,通过构造合适的Lyapunov函数,结合Dini导数和不等式技巧,对具有可变时滞(适合于任何时滞有界情况)的广义神经网络平衡态的指数稳定性进行分析。在适当的假设条件下,得到了系统渐近指数稳定的几个充分性判据,与此同时也给出了相应的Lyapunov指数。     

一类非线性中立型时滞系统的稳定性判据

考虑了一类具有非线性扰动的中立型时滞系统的鲁棒稳定性问题.系统状态的时滞是时变的.基于增广Lyapunov-Krasovskii泛函和自由权矩阵的方法,推导出保证系统在非线性扰动作用下渐近稳定的时滞依赖条件.所得到的判据以线性矩阵不等式的形式给出.由于在估计Lyapunov泛函导数上界的过程中既没有进行模型变换,也没有引入不等式放缩技术,所以得到的结果有较小的保守性.最后,通过一个数值算例验证了所提方法的有效性以及较已有工作的改进.     

具有状态和控制时滞的控制系统的绝对稳定性

应用Ｌｙａｐｕｎｏｖ方法讨论了具有状态和控制时滞的Ｌｕｒｉｅ控制系统的绝对稳定性,给出了这类系统绝对稳定的若干充分条件,文末给出了应用本文结论的例子。     

时滞细胞神经网络的全局渐近鲁棒稳定性分析

针对一类具有时滞的细胞神经网络系统,利用新的Lyapunov Krasovskii函数,给出了系统全局渐近鲁棒稳定的时滞相关稳定性条件。其结果以线性矩阵不等式的形式给出,可以很容易求出系统稳定的时滞上界。进而可以很容易得到时滞无关稳定性结果,且该结果包含了现有文献中许多关于时滞无关稳定性分析的结果。数值算例说明了结论的有效性。     

具分布延时细胞神经网络的指数周期与稳定性

研究了具分布延时细胞神经网络的全局指数周期性与指数稳定性。在没有假设激活函数是有界的、可微的、单调增的情况下,通过应用一些新的分析技巧与Halanay-type不等式方法,得到了确保延时细胞神经网络周期解存在唯一且全局指数周期与全局指数稳定的简单的、容易验证的、新的充分条件。并给出了算例及其仿真结果支持所得结论。     

基于递归神经网络的基因调控网络稳定性分析

基因调控网络是一类复杂的非线性动力学系统,其稳定性分析在生命科学研究中发挥着重要作用。基于递归神经网络所具有的较强的建模能力,建立了一类新的时滞基因调控网络模型。根据模型的特点构建合适的Lyapunov-Krasovskii函数,并借助线性矩阵不等式技术与S-方法推导出使得网络全局渐进与指数稳定的充分性条件,最后通过实例验证了此方法的有效性。     

Stability of discrete Hopfield neural networks with delay

1.INTRODUCTION DiscreteHopfieldneuralnetwork(DHNN)isoneof thefamousneuralnetworkswithawiderangeofap plications,suchascontentaddressablememory,pat ternrecognition,andcombinatorialoptimiza tion[1～5].ThestabilityofDHNNmeansthatevery trajectorymustconvergetowardsanequilibrium point,oralimitcycle.Becausethestabilityof DHNNisthefoundationofthenetwork’sapplica tionsandisthemostbasicandimportantproblem,thestabilityanalysisoftheDHNNhasattractedcon siderableinterest.Manyresearchershavefocu…     

延迟离散Hopfield-型网络的收敛性及其算法

给出了延迟离散 Hopfield-型网络的收敛性定理 ,提出了用于组合优化计算的延迟扰动算法 .在正规异步运行规则下 ,证明了网络滞后于能量函数收敛的步数由 Hopfield结果的 n2 步降到 2 n +1步 .揭示了离散 Hopfield-型网络与延迟离散 Hopfield-型神经网络收敛性的内在关系 ,为离散Hopfield-型网络的应用研究构筑了新的框架.     

离散神经网络的全局收敛性

应用能量函数,建立了离散的细胞神经网络与离散的Ｈｏｐｆｉｅｌｄ 神经网络全局收敛的充分条件,其结果推广了最近文献中某些已知的结果。     

Anti-synchronization of Chaotic Neural Networks with Time Delay

In the paper, the anti-synchronization problem of the general delayed chaotic neural networks is investigated. For the master and slave systems, we obtain a control law to achieve the state anti-synchronization of two identical chaotic neural networks. By using the Halanay inequality lemma and Lyapunov stability method, we derive a delay indepen- dent sufficient exponential anti-synchronization condition relative to the parameters of the systems and controller gain matrix. The condition is easily verified in practice. Finally, the theoretical results are applied to two delayed chaotic neural networks, and numerical simulations are given to demonstrate the performance of the proposed scheme throughout some examples.     

基于RBF网络的混沌时间序列的建模与多步预测

提出将RBF神经网络应用于混沌时间序列的建模与预测中 ,设计了一个三层RBF网络结构 ,说明了RBF网络用于混沌时间序列建模和预测时的基本性质。仿真结果表明 ,RBF网络模型对混沌时间序列有比较强的拟合能力和比较高的一步及多步预测精度。采用RBF网络进行混沌时间序列的建模和预测能够取得比其它方法好得多的效果。