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。
     

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。     

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．     

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.     

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.     

反应扩散BAM神经网络的全局指数稳定性

利用拓扑度技巧、 M-矩阵和变分理论, 得到了考虑扩散因素在内的双向联想记忆人工神经网络系统的全局指数稳定性判定定理. 结果表明, 所给判据得出的指数稳定收敛速率估计比传统结果更精细.     

一种新的时滞细胞神经网络全局渐近稳定性准则

研究了一类具有时滞的细胞神经网络全局稳定性问题。首先,提出所研究的时滞细胞神经网络模型、系统激活函数所需满足的条件及本文需要用到的引理。然后,将所研究的系统通过一个等式进行线性变换,在定义一个与系统相关的积分操作基础上讨论时滞细胞神经网络的全局渐近稳定性。与早期的文献结果相比,本文所得结果具有更少保守性,并且该条件是与时滞相关的。本文所得到的稳定性准则可以很容易地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。最后,用一个数值例子证明本文所得的稳定性条件是有效的。     

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。     

随机中立型时滞神经网络的全局渐近稳定性判据

研究一类含有变时滞的随机中立型神经网络的全局渐近稳定性问题.通过构造一个新的Lyapunov Krasovskii泛函和不等式技术,得到了基于线性矩阵不等式表示的与时滞大小有关的时滞稳定的充分判据.该判据考虑了一类含有分布式时滞和随机扰动项并且激活函数是常量(正数、负数和零)的中立型神经网络,与现有文献相比,其更具有一般性和较少保守性.最后,通过2个算例分析,验证了所得结果是有效的.     

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.