具有双时滞的分数阶BAM神经网络模型的动力学行为

本文研究了一类具有双时滞的五神经元分数阶BAM神经网络模型的动力学行为。通过将时滞之和作为参数,利用分数阶微分方程稳定性理论和分支理论,得到了系统零平衡点稳定性和产生Hopf分支的充分条件,并通过仿真模拟,验证了理论分析的正确性。     

含Caputo分数阶导数的分数阶微分方程

求解了含Caputo分数阶导数的分数阶微分方程初值问题 d~αu/dtα+ω~αu(t;α)=h(t),t>0,0≤n-1<α≤n,ω>0, u~(k)(0~+;α)=u_k,k=0,1,…,n-1.利用Laplace变换方法和广义 Mittag-Leffler函数,得到其解为u(t;α)=integral from n=0 to t (r~(α-1)E_α,α(-(ωτ)~α))h(t-τ)dτ+sum from k=0 to n-1 u_kt~kE_(α,1+k)(-(ωt)~α)。     

分数阶时滞系统的稳定性

文章讨论了分数阶线性系统的稳定性问题,其中一部分状态含有时滞。借助Laplace变换,引入时滞系统的特征方程,最后,利用特征方程的根全部具有负实部则系统稳定的性质对系统稳定性进行了分析。     

一类分数阶BAM神经网络的Mittag-Leffler稳定性

利用解的唯一性定理以及分数阶导数的相关性质,研究了分数阶BAM神经网络的Mittag-Leffler稳定性,并给出了相应的充分性条件,最后通过实例仿真验证了结论的正确性。
     

时滞BAM神经网络的全局稳定性

利用李雅普诺夫泛函方法并结合一些分析技巧获得了时滞BAM神经网络平衡点全局渐近稳定和全局指数稳定的充分条件，这些条件对设计全局渐近稳定的BAM神经网络和全局指数稳定的BAM神经网络具有重要意义．     

具有变系数和变时滞的BAM神经网络的全局指数稳定性的新判据

研究了一类具有变系数和变时滞的联想记忆神经网络的全局指数稳定性。通过选择适当的Lyapunov-krasovskii泛函,利用不等式技巧给出了联想记忆神经网络的全局指数稳定性的新判据。     

分数阶时滞神经网络的一致稳定性

研究一类带有时滞的Caputo型分数阶神经网络的解的动力学行为.基于等价范数定理、不等式技巧以及压缩映像定理,经过计算证明得到了分数阶神经网络的解存在唯一性和一致稳定性的结论;通过一个分数阶时滞神经网络模型实例验证了所得结论的有效性.     

BAM神经网络的稳定性分析

研究BAM神经网络的理论,并讨论其稳定性,从而得到了它能纠错的结论.     

一类具分数阶积分条件的分数阶微分方程组解的存在唯一性

利用Banach压缩映射原理,研究一类具有分数阶积分条件的分数阶微分方程组边值问题,其非线性项包含Caputo型分数阶导数,得到了该问题等价的积分方程组的格林函数及存在唯一解的充分条件,并给出了应用实例.     

一类分数阶Hopfield神经网络的Mittag-Leffler稳定性

研究了Caputo导数形式下的一类分数阶Hopfield神经网络的Mittag-Leffler稳定性.利用Mittag-Leffler函数的相关性质,得到该类系统平衡点的存在性与唯一性的充分条件,进而得到该类分数阶Hopfield神经网络的Mittag-Leffler稳定性的充分条件.最后,利用仿真实例验证了该结果的正确性与有效性.     

脉冲时滞BAM神经网络稳定性研究

研究了带有脉冲的时滞双向联想记忆(BAM)神经网络的稳定性问题.通过对网络系统的研究,根据脉冲的特点,采用Lyapunov稳定性理论和一些矩阵分析的技巧,得到了脉冲时滞BAM神经网络的稳定性结论,其中包括稳定点的唯一性判据和稳定性的判据,说明脉冲时滞BAM神经网络的稳定性问题是网络本身的特性,最后通过数值算例验证了论文的可行性和有效性.     

一类二重Cohen——Grossberg网络的渐近稳定性神经

研究了一类具有时滞的二重Cohen—Grossberg神经网络模型，通过构造适当的Lyapunov泛函。并利用矩阵不等式的技巧给出了此类神经网络平衡点全局渐近稳定的充分条件，推广了已知献的一些结果。     

BAM神经网络周期解的存在性及全局稳定性

讨论了具有分布时滞的双向联想记忆(BAM)神经网络的动力学行为。利用迭合度理论的延拓定理和分析技巧,得到了周期解的存在性和全局稳定性的充分条件,对设计这种类型的神经网络具有重要意义。     

BAM神经网络的稳定性分析

本文研究了BAM神经网络的稳定性问题,通过构造新的Lyapunov泛函,给出了此类系统平衡点渐近稳定的充分条件,并举例说明了结果的有效性和保守性.该充分条件对丰富和完善了神经网络的稳定性理论体系,具有积极的意义.     

具有混合时滞随机离散神经网络的渐近稳定性分析

研究了一类具有离散和分布时滞的随机离散神经网络的模型,通过构造新的Lyapunov-Krasovskii函数,给出了模型渐近稳定性的定理.以线性矩阵不等式形式给出的定理,易于用Matlab的LMI工具箱求解.最后通过仿真实例证明了定理的有效性.     

分布时滞模糊BAM神经网络模型的指数稳定性

详细介绍了一类具分布时滞的模糊BAM（Bi·direction Associate Memory）神经网络模型．在合适的条件下,通过数学分析技巧和压缩映像原理,证明了模型平衡点的存在唯一性;通过构造Liapunov泛函,利用Lipschitz激励函数性质,获得了平衡点的指数稳定性．     

离散时间BAM神经网络周期解的存在性

利用迭合度连续定理研究了具有周期系数的离散时间BAM神经网络周期解的存在性,得到了比原有结果更优化的结论。     

一类具脉冲的非自治高阶BAM神经网络周期解的全局指数稳定性

通过构造Lyapuonv函数,利用M-矩阵理论以及Yang不等式技巧,研究了一类含脉冲的非自治高阶BAM(bi-directional associative memory)神经网络周期解的全局指数稳定性,且推广了相关文献中的结果.     

基于FTA与BAM神经网络融合的飞机故障诊断方法

飞机由大量彼此关联的组件组合而成,其大规模特性使得基于故障树(FTA)和基于神经网络的故障诊断方法在应用于其故障诊断时分别存在空间爆炸问题和训练样本整理困难问题.本文融合故障树和BAM神经网络,由故障树归纳出系统所有的故障模式,整理出BAM神经网络所需的具有规范性、独立性、正交性的训练样本,然后用BAM神经网络实现飞机故障的快速和准确诊断.实验评估结果表明,融合方法有良好的可扩展性,而且故障判别率提升了20%.