一类连续型Hopfield神经网络全局指数稳定的新判据

在连接权矩阵未必对称也未必是M-矩阵的情况下，本给出了一类连续型Hopfield神经网络全局指数稳定的新判据。所得结果比所引献中的结论更优。更实用。     

Hopfield连续神经网络平衡态局部指数稳定的充要条件

研究Ｈｏｐｆｉｅｌｄ连续联想记忆神经网络平衡点的局部指数稳定性,给出了Ｈｏｐｆｉｅｌｄ连续联想记忆神经网络的平衡点局部指数稳定的充要条件。通过引入特征函数的方法,得到了各记忆模式的指数吸收域的估计,以此可用来评价Ｈｏｐｆｉｅｌｄ连续反馈联想记忆的容错能力和模式恢复能力,且可用于综合更为实用的连续联想记忆神经网络。     

含时滞的Hopfield网络模型的全局指数稳定性

本文研究了具有变时滞的细胞神经网络系统·xi(t)=-cixi(t) n∑j=1αijfj(xj(t)) n∑j=1bijfj(xj(t-τj)) Ii,i=1,2,…,n.在非线性神经激励函数是Lipschitz条件下,通过引入Lyapunov函数,用不等式等方法,得到了该系统的平衡点是全局指数稳定的条件.     

变时滞的Hopfield网络模型的全局指数稳定性

研究了其时滞是在更一般的时间变量的函数情况下的Hopfield网络系统:(*)/(x)i(t)=-cixi(t)+∑n j=1aijfj(xj(t))+∑n j=1bijfj(xj(t-τj(t)))+Ii,i=1,2,...,n.在非线性神经激励函数满足较弱的Lipschitz条件下,引入Lyapunov函数,利用不等式技巧和泛函的单调性等,研究了具有变时滞的Hopfield网络系统的稳定性,得到了对每一个输出响应函数fj(*)在R上有定义,且连续的情况下,系统有唯一的平衡点X=X*,并且该平衡点是全局指数稳定的一个易于判定的充分条件.     

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。     

含脉冲的Hopfield神经网络的周期解及其全局指数稳定

利用常数变易法、分段Lyapunov函数和压缩映像定理，讨论了含脉冲的Hopfield神经网络模型的周期振荡性及其全局指数稳定性．在此基础上给出了网络稳定的脉冲控制器．所得结果易于验证，也是不含脉冲时一些结果的推广。     

连续Hopfield网络在热传导有限元计算中的应用

连续Hopfield网络是一个能收敛的稳定网络,如果一个系统的优化问题可以用"能量函数"作为目标函数,则总可以用连续Hopfield网络对其进行求解。依据热传导有限元特点,将有限元计算问题转化为带约束的非线性优化问题,找出了优化目标函数,并给出求解该问题的改进Hopfield(TH)网络;最后对一个简单温度场神经计算进行数值仿真,仿真结果表明连续Hopfield神经网络能完成有限元模型的求解。     

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。     

不一致连续Hopfield网络及其应用

针对一致连续Hopfield网络容易陷入局部最小和不合理解的现象,给出了不一致连续Hopfield网络的能量分析,得到了使网络能量函数上升、下降和不变的条件.在此基础上,通过衰减自反馈,提出了求解旅行商问题(Traveling Salesman Problem,TSP)的新网络.通过仿真证实,该网络可有效地求解TSP问题.     

精确复原退化图象的连续Hopfield网络研究

提出一种改进的全并行自反馈连续Ｈｏｐｆｉｅｌｄ网络和于图象复原。理论分析表明，该改进的Ｈｏｐｆｉｅｌｄ网络模型能使网络能量更精确地收敛到全局极小，从而提高复原图象的质量。对该网络复原匀速直线运动模糊图象的结果与Ｐａｉｌ方法得到的复原图象进行了比较，发现该方法得到和复原图象信噪比提高显著，目视效果更佳。     

Hopfield神经网络的指数稳定性

研究了一类神经网络的稳定性问题,通过构造Liapunov函数给出了Hopfield神经网络的平衡点的指数稳定的充分条件.     

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．     

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.     

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。     

一种具有连续滞后神经元的Hopfield网络求解TSP问题的算法

提出了一种具有连续滞后神经元的Hopfield神经网络体系结构,有效地解决旅行商问题(TSP).对连续滞后神经元的Hopfield神经网络结构和整个网络的计算性能进行了研究.理论上通过模拟随机生成的具有连续滞后神经元的Hopfield神经网络证明网络的优越性.通过模拟TSP问题的应用来说明此算法的计算效率.仿真结果表明,具有连续滞后神经元的Hopfield神经网络在解决TSP问题时,无论从处理时间和解决质量上来看都优于传统的Hopfield神经网络和二元连续Hopfield神经网络.     

具有周期输入的一类神经网络系统的周期解

目的 研究一类具有周期输入的广义Ｈｏｐｆｉｅｌｄ型连续神经网络系统周期解的存在性及其周期解唯一稳定的条件。方法 首先通过积分不等式和构造Ｖ泛函估计Ｈｏｐｆｉｅｌｄ型连续神经网络系统关于周期的先验界,然后利用Ｍａｗｈｉｎ的延拓定理导出其周期解的存在性。结果与结论 得到Ｈｏｐｆｉｅｌｄ型连续神经网络系统在周期解的两个充分条件,推广了有关献中的结论。