不确定区间时滞Markov跳变BAM神经网络的鲁棒指数稳定性

讨论了具有不确定区间时滞的BAM神经网络的鲁棒均方指数稳定性问题.通过构造适当的Lyapunov-Krasovskii 泛函,利用一些新的定界技术,以线性矩阵不等式形式给出了Markov跳变BAM神经网络的时滞且区间相关的全局鲁棒指数稳定性判据,该判据利用Matlab的LMI工具很容易进行检验.给出数值示例,说明了判据的有效性与优越性.     

不确定区间时滞Markov跳变BAM神经网络的鲁棒指数稳定性

讨论了具有不确定区间时滞的BAM神经网络的鲁棒均方指数稳定性问题。通过构造适当的Lya-punov-Krasovskii泛函,利用一些新的定界技术,以线性矩阵不等式形式给出了Markov跳变BAM神经网络的时滞且区间相关的全局鲁棒指数稳定性判据,该判据利用Matlab的LMI工具很容易进行检验。给出数值示例,说明了判据的有效性与优越性。     

Cohen-Grossberg型BAM神经网络指数稳定性

为研究具有分布时滞的并带有脉冲的Cohen-Grossberg型BAM神经网络的全局指数稳定性问题,主要方法是构造一个恰当的Lyapunov泛函以及通过利用一些函数分析的技巧,得到了所研究系统平衡点的全局指数稳定的充分条件的判据.证明过程中将激活函数的单调性和连续可微性的假设削弱为只需要满足Lipschitz条件,推广了已有文献的一些结果,使模型的应用更具有一般性.实例分析表明了所得结论的有效性.     

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.     

基于混杂脉冲切换控制的时滞混沌神经网络的镇定

针对一类离散时滞混沌神经网络,研究其基于混杂脉冲切换控制的镇定问题.利用切换Lyapunov函数方法和S过程技巧,得到了受控的神经网络的指数稳定判据.该结果反映了脉冲控制和切换控制对闭环系统的稳定性的影响.离散时滞Hopfield混沌神经网络例子表明了所给镇定方法的有效性.     

具连续分布时滞与非线性脉冲BAM神经网络的全局指数稳定性

研究了具有连续分布时滞与非线性脉冲影响的BAM型神经网络的全局指数稳定性问题.利用M-矩阵以及谱理论等工具得到了系统存在惟一全局指数稳定的平衡点的充分条件.并给出一个例子说明结论的有效性.     

具时滞离散和分布BAM神经网络的全局渐近稳定性

研究一类同时具离散时滞和分布时滞的BAM(bidirectional associative memory)神经网络平衡点的全局渐近稳定性问题.所给BAM模型对激活函数做了扇形非线性条件假设,利用M矩阵理论,通过构造新的LyapLlnov函数并利用一些分析技巧,获得具时滞离散和分布BAM神经网络的全局渐近稳定性的充分条件.数值例子说明了所得结果的有效性.     

变时滞脉冲高阶BAM神经网络的指数稳定性

研究带脉冲和时滞项的高阶BAM神经网络系统的指数稳定性.首先,通过压缩映射原理得到了系统存在唯一的平衡点的新的充分条件.其次,利用Halanay不等式和数学归纳法,得到了保证系统指数稳定的充分条件.最后,通过一个例子说明所得结果的有效性.     

时间尺度上的脉冲BAM神经网络的全局指数稳定性

研究了在时间尺度上的脉冲控制的BAM神经网络系统的指数稳定性.在时间尺度理论基础上,通过设计线性脉冲控制器和Lyapunov函数,得到了保证BAM神经网络系统平衡解指数稳定的充分条件.     

时滞依赖的脉冲时滞神经网络的稳定性

基于Lyapunov泛函和不等式技巧,得到脉冲混合时滞神经网络全局指数稳定性的时滞依赖型判据,其中混合时滞包括离散时滞和分布时滞两种类型.该判据用线性矩阵不等式表示,并通过一个数值实例验证了判据的有效性.     

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。     

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.     

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%.     

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。     

变时滞高阶BAM神经网络的稳定性

文章研究高阶BAM神经网络的稳定性，运用Brouwer不动点定理以及Lyapunov泛函方法，得到周期解的存在唯一性和稳定性．     

离散双向耦合记忆神经网络的指数稳定性

研究离散双向耦合记忆神经网络平衡点指数稳定性．这种网络模型带有多重时滞,通过Brouwer不动点理论以及相关不等式技巧来讨论这种网络平衡点的指数稳定性．     

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。     

具中立型连续时滞的BAM神经网络模型概周期解的指数稳定性

利用连续性原理及不等式技巧,对一类具中立型有界连续时滞的BAM神经网络模型概周期解的指数稳定性进行研究,得出了所研究模型的概周期解指数稳定的充分条件.