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。     

区间时滞相关不确定奇异系统的鲁棒稳定性和镇定性

研究区间时滞相关的不确定时变时滞奇异系统的鲁棒稳定性和镇定性问题,不确定参数假设是范数有界的。充分利用时滞的下界信息构造Lyapunov函数,用严格的矩阵不等式给出系统对所有的容许不确定满足正则、无脉冲、稳定的新判据。基于这个判据,设计状态反馈控制器使得系统鲁棒稳定。数值例子说明所得结果具有更小的保守性。     

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。     

高阶非线性时滞系统的神经网络动态面控制

针对一类具有未知时变时滞的不确定高阶非线性系统,基于增加幂次积分方法,提出了一种非光滑状态反馈自适应神经网络动态面控制设计方案。通过构造适当的Lyapunov Krasovskii泛函处理了未知时变时滞不确定项;通过利用神经网络权值范数的适当形式幂次函数,将神经网络用于对在单步递推中所构造的未知函数进行建模;采用动态面技术,解决了“微分爆炸”问题。所提控制方案能够保证闭环控制系统的状态量和跟踪误差半全局一致终结有界。最后,仿真算例结果表明了该方案的有效性。     

非线性时变系统的部分指数稳定性分析

讨论了非线性时变系统平凡解的部分指数稳定性和全局部分指数稳定性。分别利用数量与向量Lyapunov函数并结合数量与向量比较原理,得到了保证系统平凡解部分指数稳定和全局部分指数稳定的一系列充分条件。作为特殊情形,对于一类定常拟线性系统,在一定的条件下,若其对应的线性系统的平凡解是部分渐近稳定的,利用二次型Lyapunov函数得到了保证拟线性系统的平凡解是全局部分指数稳定的一个代数判据,这些结果在实际应用中具有一定的指导意义。最后用两个数值例子对所得主要结果加以阐明。     

一类时滞递归神经网络间的鲁棒自适应同步

针对一类具有不同吸引子的时滞递归神经网络间的同步问题,提出了一个自适应同步控制策略,建立了具有不同吸引子的两个神经网络间全局鲁棒同步的一个新判据。所提出的自适应同步控制策略不仅适用于结构已知的神经网络,而且也适用于不同结构和部分参数已知的神经网络,且对未知参数部分,由自适应更新律来辨识其参数。所提出的同步判据容易验证和控制律容易实现,数值仿真验证了所提方法的有效性。     

连续分布时滞抛物型系统的全局指数稳定性

基于比较原理,利用推广的向量Hanalay微分不等式、Dini导数,结合Green公式及不等式分析技术,研究几类连续分布时滞的抛物型控制系统所导出的滑动模运动方程的全局指数稳定性问题。在仅要求系统的系数矩阵是个M 矩阵的条件下,证明了所获得的滑动模运动方程是全局指数稳定性的,建立了滑动模运动方程全局指数稳定性定理。并为研究连续分布时滞的抛物型系统的变结构控制问题奠定了基础。     

时滞随机线性大系统的指数稳定性

针对一般随机线性时滞微分方程，给出了方程的平凡解的几乎必然指数稳定性的一个充分条件，由此利用时滞随机系统的比较原理建立一般时滞随机线性大系统的二阶矩指数稳定与几乎必然指数稳定新的代数判据．利用恰当的Lyapunov函数结合不等式技巧得到了这些条件．特别是用一个代数方程给出了依赖时滞的Lyapunov指数的估计．并用实例加以验证．     

两类不确定奇异时滞系统鲁棒稳定的相关型判据

研究了不确定奇异时滞系统的鲁棒稳定性问题。首先以线性矩阵不等式的形式给出了奇异时滞系统正则,无脉冲模且零解渐近稳定的一种新的时滞相关型判据。通过引入新的参数避免了利用不等式处理交叉项,从而使该判据具有较小的保守性。最后,利用研究结果,给出了两类不确定奇异时滞系统新的时滞相关型鲁棒稳定性判据。     

离散和分布时变时滞混沌神经网络广义投影同步

研究一类离散和分布时变时滞的混沌神经网络的广义投影同步问题.利用非线性观测器方法实现同步十分简单,且利用极点配置技术,可通过调整特征值来调节同步速率的快慢.与一般混沌神经网络模型相比,带有离散和分布时变时滞的混沌神经网络模型更为一般,同时反同步和完全同步是广义投影同步的特例.最后,提出基于广义投影同步的离散和分布时变时滞混沌神经网络的保密通信方案,给出两个数值仿真例子验证结果的有效性.     

Global Asymptotic Synchronization of a Class of BAM Neural Networks with Time Delays via Integrating Inequality Techniques

In this paper, the authors are concerned with global asymptotic synchronization for a class of BAM neural networks with time delays. Instead of using Lyapunov functional method, LMI method and matrix measure method which are recently widely applied to investigating global exponential/asymptotic synchronization for neural networks, two novel sufficient conditions on global asymptotic synchronization of above BAM neural networks are established by using a kind of new study method of global synchronization: Integrating inequality techniques. The method and results extend the study of global synchronization of neural networks.     

时间离散的回归神经网络的定性分析

研究了一类时间离散的回归神经网络的定性问题.首先应用非线性分析中的度理论,建立了这类神经网络平衡点存在唯一的充要条件;其次通过Lyapunov函数,得到了这类神经网络全局指数稳定的充分准则.     

基于级联网络和图搜索的轨迹模式学习算法

提出了一种基于级联竞争神经网络和有向无环图搜索的运动目标轨迹分布模式提取算法。采用级联竞争神经网络提取不同时序处流矢量的分布,根据轨迹点之间的时序转移关系构造有向无环图,通过深度优先搜索来获取轨迹分布的显式表示,并在此基础上给出了一种基于轨迹点对齐的异常轨迹检测方法。构造的级联网络自动隐含了轨迹点的时序关系,可以处理不同长度轨迹模式的学习问题。不同场景的仿真实验表明此方法可以应用于复杂场景下的目标异常行为检测。     

Global exponential stability for delayed cellular neural networks and estimate of exponential convergence rate

Some sufficient conditions for the global exponential stability and lower bounds on the rate of exponential convergence of the cellular neural networks with delay (DCNNs) are obtained by means of a method based on delay differential inequality. The method, which does not make use of any Lyapunov functional, is simple and valid for the stability analysis of neural networks with delay. Some previously established results in this paper are shown to be special casses of the presented result.     

Exponential stability for cellular neural networks: an LMI approach

A new sufficient conditions for the global exponential stability of the equilibrium point for delayed cellular neural networks （DCNNs） is presented. It is shown that the use of a more general type of Lyapunov-Krasovskii function enables the derivation of new results for an exponential stability of the equilibrium point for DCNNs. The results establish a relation between the delay time and the parameters of the network. The results are also compared with one of the most recent results derived in the literature.     

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。     

Almost Automorphic Solutions for Quaternion-Valued Hopfield Neural Networks with Mixed Time-Varying Delays and Leakage Delays

This paper considers a class of quaternion-valued Hopfield neural networks with mixed time-varying delays and leakage delays. By utilizing the exponential dichotomy of linear differential equations, Banach's fixed point theorem and differential inequality techniques, the authors obtain some sufficient conditions to ensure the existence and global exponential stability of almost automorphic solutions for this class of quaternion-valued neural networks. The results are completely new. Finally,the authors give an example to illustrate the feasibility of the results.     

一类延时细胞神经网络的指数周期性与稳定性

细胞神经网络动态行为的研究是细胞神经网络应用的理论基础。对一类具分布延时细胞神经网络,研究了其全局指数周期性与稳定性。在输出函数满足全局Lipschitz连续的条件下,通过构造合适的Lyapunov泛函,给出了延时细胞神经网络全局指数周期性与稳定性的容易验证的充分条件。给出了算例及其仿真结果来验证所得结论,并说明所得结论与文献[16]的结论是相互独立的。     

Stability analysis of extended discrete-time BAMneural networks based on LMI approach

1 .INTRODUCTIONBidirectional associative memory model is a kind ofneural network models in common use with the abili-ty of information memory and association. Since thedistributed memory of the information,the networkcan associate a completed and clear mode stored in itfroman uncompleted and fuzzy mode . Bidirectionalassociative memory (BAM) proposed by B. KoskoinRef .[1] is a generalization of Cohen-Grossberg’smodel from single layer to two layers . Since then,there have beenlots of …     

New Results on Interval General Cohen-Grossberg BAM Neural Networks

This paper is concerned with an interval general Cohen-Grossberg bidirectional associative memory neural networks with mixed delays. Under proper conditions, the authors studied the existence,the uniqueness and the global exponential stability of almost automorphic solutions for the suggested system. The proposed method was mainly based on the exponential dichotomy of linear differential equation, the Banach's fixed point principle and the differential inequality techniques. The authors illustrate with an example to demonstrate the effectiveness of the proposed findings.