Hopfield型神经网络的全局渐近稳定性

讨论了连续Ｈｏｐｆｉｅｌｄ型神经网络的全局渐近稳定性问题，通过利用Ｌｙａｐｕｎｏｖ泛函方式和不等式分析技巧给出了平衡点的全局渐近稳定性的些充分条件。     

高阶时滞神经网络模型的全局指数稳定性

对具有时滞的二阶Hopfield型神经网络平衡点的全局渐近稳定性问题进行了研究.在不要求连接权矩阵的对称性和输入输出函数的可微性与单调性,只要求系统的参数满足是一个M矩阵的情况下,利用推广的Hanalay不等式和上右导数导得系统全局指数稳定性的若干充分条件.为二阶时滞神经网络稳定性的新方法、新结论.     

Hopfield型连续神经网络的全局指数稳定性

本文利用Lyapunov函数方法研究了连续Hopfield型神经网络的指数稳定性问题,得到了平衡点的全局指数稳定性的两个新的充分条件,这两个条件对于神经计算与神经网络设计具有重要的理论意义和应用价值。     

时滞Hopfield神经网络的全局指数稳定性

利用时滞微分不等式,讨论了时滞Hopfield神经网络的全局指数稳定性,获得了几个判定条件。这些结论推广了已知文献中的结果。     

一类不确定时滞系统的K-稳定性

研究了一类不确定时滞系统：x(t)=Ax(t) Bx(1-τ（t) f(t,x(t) g(t,x(t-τ(t))),t≥0，x(t)=φ（t),-τ≤t≤0的K-全局渐近稳定性和K-全局指数稳定性，通过使用不等式技巧和微分方程性质，得到了这类系统K-稳定性的时滞相关充分条件，最后举例阐述了它的有效性。     

一类具有分布时滞的Hopfield神经网络的稳定性

利用谱半径和不等式分析技巧研究了一类具有分布时滞的Hopfield神经网络模型的全局指数稳定性,得到了全局指数稳定性的一些充分判别条件,推广了一些文献的结果．     

一类具比例时滞Hopfield神经网络的全局渐近稳定性

对一类时滞Hopfield神经网络的稳定性进行研究,这里的时滞是不同于无界分布时滞的无界比例时滞。应用Lyapunov稳定性理论和Barbalat引理,获得了保证Hopfield神经网络全局渐近稳定的两个新的充分条件。最后通过数值算例及仿真验证所得结果。所得结果为具比例时滞Hopfield神经网络的进一步应用打下一定的理论基础。     

具有时滞细胞神经网络的稳定性分析

本文研究一类时滞细胞神经网络模型。并用非负矩阵性质的不等式技巧，给出了平衡点全局渐近稳定的充分条件。     

延时 Hopfield 神经网络的 k-全局稳定性

文章导出了在初始值小于ｋ时网络平衡态指数稳定的充分条件，并讨论了网络平衡态的全局指数稳定性。     

时滞Hopfield神经网络的稳定性研究

本文讨论了具有离散时滞和具有连续分布时滞的Hopfield 神经网络微分系统平衡点的全局渐近稳定性.去掉了有关文献中关于fi在R上有界性,可微性的条件,给出了更弱、实用性较强的判定平衡点的存在唯一性及全局渐近稳定性的条件.     

含混合时滞的随机Hopfiled神经网络的全局指数稳定性

考虑一类含混合时滞的随机Hopfiled神经网络,运用Razumikin方法和不等式技巧得到了该网络平凡解的p阶指数稳定性,推广了一些已有的结果,并利用一个例子,说明结果的有效性.     

一类具有时滞的不确定模糊Hopfield神经网络的指数稳定性（英文）

通过构造Lyapunov泛函及线性矩阵不等式（LMI）理论,给出了一类具有时滞的不确定Takagi-Sugeno（T-S）型模糊Hopfield神经网络的指数稳定判定准则。构造的Lyapunov泛函具有广泛性且引入具有自由加权矩阵的参数模型变换,这些方法使得文中所得稳定性条件更具一般性。最后,借助于MATLAB中的LMI工具箱给出了一个具体的数值例子来验证文中的结果。     

具有时滞的二阶Hopfield神经网络的正不变集与吸引性

利用非负矩阵谱的性质及微分不等式的技巧,给出了易于验证的具有时滞的二阶Hopfield神经网络系统正不变集与吸引集存在的充分条件．     

带时滞的脉冲二阶Hopfield神经网络的周期解全局指数稳定性

利用重合度理论和构造Lyapunov泛函，得到了带时滞的脉冲二阶Hopfield神经网络的周期解全局稳定性充分性条件．     

Hopfield神经网络在扰动情况下的鲁棒性

Hopfield神经网络在工程领域中应用广泛, 但在具体的实现过程中往往存在着扰动和时滞, 这些因素的存在影响了神经网络的动态性能, 并有可能导致网络失稳. 通过建立模型, 讨论了时滞递归神经网络的鲁棒性, 给出了有效的判定条件, 推广了有关文献中的结果.     

基于Hopfield神经网络的系统优化

分析Hopfield型神经网络的系统特征及其优化方面的应用原理,证明了DHNN的权值公式,改进了基于Hopfield型神经网络的系统优化模式,总结相对传统优化方法的特点。     

具有S-型分布时滞的Hopfield神经网络模型的渐近行为

研究了具有S-型分布时滞的Hopfield神经网络模型的渐近行为，得到了平衡点的存在唯一性及全局渐近稳定性的判据，所得结果不仅包含了已有的相应结果，而且具有更广泛的适用性。     

时滞Hopfield神经网络的分岔控制

 研究了一类带3个时滞的Hopfield神经网络的分岔控制问题。考虑系数扰动影响,通过对比一般的时滞状态反馈控制,根据Hopf分岔定理,选取时滞为分岔参数,提出了一类新的混合控制策略——带参数扰动和时滞状态反馈的控制方法,得到了一些新的分岔控制结果。进而通过已有结果检验分岔控制的效果,得到新的分岔控制对于改变分岔发生的位置有较好的调节和延迟的作用。这一结果对控制周期分岔和混沌行为具有重要的指导意义。最后,结合示例和数值模拟进一步验证了此混合控制策略的有效性。