具分布时滞细胞神经网络全局渐近同步

探讨了一类具分布时滞的细胞神经网络的全局渐近同步问题,通过构造合适的Lyapunov-Krasovskii泛函,利用不等式理论,给出了驱动系统与响应系统全局渐近同步的几个充分条件.数值例子证明了所得结论的有效性.     

混合时滞随机神经网络全局渐近同步

研究了一类具混合时滞神经网络耦合大系统的同步问题.应用矩阵的Kronecker积与线性矩阵不等式,得到耦合大系统同步的一些充分性判据,所得到的结果易于通过Matlab线性矩阵不等式工具箱(LMI)进行检验,所讨论的神经网络具有参数的不确定性、分布时滞、随机扰动以及非线性耦合等,而且弱化了相关文献中激励函数为严格Lipshitz或Sigma型的假定,使所得结果更为精细.     

时滞耦合随机神经网络全局指数同步

应用矩阵的Kronecker积、线性矩阵不等式及随机微分方程等有关工具,研究了一类具离散时滞与分布时滞的随机神经网络耦合大系统的均方全局指数同步问题.综合考虑了参数的不确定性、分布时滞、随机扰动、非线性耦合等的影响,并弱化了相关文献中激励函数为严格Lipshtz或Sigma型的假定,得到该耦合大系统均方全局指数同步的一些充分性判据.所得到的结果易于通过Matlab线性矩阵不等式工具箱(LMI)进行检验.     

一类时滞混沌神经网络的全局渐近同步

应用驱动—响应同步方法,研究了一类时滞混沌神经网络的全局渐近同步问题.基于分散控制策略,通过构造适当的Lyapunov-Krasovskii泛函,给出了保证两个具有相同结构但初始条件不相同的时滞混沌神经网络全局渐近同步的控制律设计方法.所得到的控制律不仅易于实现,而且具有高可靠性等特点,克服了传统的集中控制的不足.仿真示例验证了该方法的有效性.     

忆阻型模糊细胞神经网络在时滞脉冲控制下的全局指数同步

文章研究了忆阻型模糊细胞神经网络的全局指数同步控制问题。首先,通过采用Filippo解和可测选择理论将忆阻模糊细胞神经网络转化成一类参数不确定的神经网络,并给出一个新颖的不等式以解决模糊反馈连接权重的参数不确定问题;然后,通过设计时滞脉冲控制器,并结合李雅普诺夫函数法、脉冲不等式以及给出的新的不等式,得到驱动忆阻模糊细胞神经网络与响应忆阻模糊细胞神经网络在时滞脉冲控制下指数同步的结果;最后,通过数值模拟验证了理论结果的有效性。研究结果表明:采用合适的控制器,忆阻型模糊细胞神经网络的驱动-响应系统是可以达到指数同步的。     

一类时滞细胞神经网络的全局指数稳定性

通过建立Lyapunov函数,并利用Young不等式,讨论了一类变时滞细胞神经网络的全局指数稳定性,获得了与时滞无关的判定条件.这些结论推广了现有文献中的一些结果,并给出了几个例子来说明这些结论的实用性和普适性.     

变时滞细胞神经网络的全局指数稳定性

研究了一类变时滞细胞神经网络平衡点的全局指数稳定性问题．在不要求激励函数全局Lipschitz条件下,利用Lyapunov函数方法和M-矩阵的特性,结合Young不等式和Halanay时滞微分不等式,得到了细胞神经网络模型在一定条件下全局指数稳定的一些充分条件．数值例子说明了本文结果的有效性．     

时滞并联限制细胞神经网络的时滞依赖的全局稳定性

通过构造合适的Lyapunov函数,研究了时滞并联限制细胞神经网络的全局稳定性,给出了并联限制细胞神经网络的时滞依赖的全局鲁棒稳定且是全局指数稳定的充分条件。     

关于时滞细胞神经网络全局稳定性的一些注记

首先证明具有时滞的细胞神经网络平衡点的一个存在性定理．然后，利用这定理分别得到该类神经网络的全局渐进稳定性与全局指数稳定性的判据各一个．最后，给出利用所得的新判据判别时滞细胞神经网络的全局稳定的两个例子。     

变时滞并联限制细胞神经网络的全局稳定性

研究了交时滞并联限制细胞神经网络的全局稳定性,给出了变时滞并联限制细胞神经网络全局鲁棒稳定和全局指数稳定的充分条件。     

变时滞细胞神经网络模型的全局指数稳定性

研究了具有变时滞的细胞神经网络系统nx.i（t）=-cixi（t）＋∑nj=1aijfj（xj（t））＋∑nj=1bijfj（xj（t-τj（t）））＋Ii,i=1,2,…,n.在非线性神经激励函数满足Lipschitz条件下,借助于推广的Halanay时滞微分不等式等方法,得到了该系统的平衡点是全局指数稳定的条件.     

一类细胞神经网络的时滞相关全局稳定性判据

研究了一类带有离散和分布时间滞后的不确定时滞细胞神经网络(DCNN)的全局渐进稳定性。应用李亚普诺夫稳定性理论,构造李亚普诺夫泛函,结合Leibniz-Newton公式,给出一个关于时滞细胞神经网络的新颖的全局渐进稳定性判据,所得出的结论依赖于时间滞后的最大值并且以线性矩阵不等式的形式给出。最后给出一个数值例子来说明所提判据的有效性和可行性。     

混合变时滞细胞神经网络的全局渐近稳定性

基于微分动力系统Lyapunov稳定性理论和线性矩阵不等式(LMI)处理方法,借助于Matlab中LMI控制工具箱,给出了一类含有离散时滞和分布时滞的混合变时滞细胞神经网络的全局渐近稳定性的充分条件,改进了文献[9]的结果,降低了系统的保守性.数值例子进一步验证了结果的有效性.     

多时变时滞细胞神经网络的全局指数稳定性

针对一类多时变时滞细胞神经网络,利用Young不等式和Halanay不等式技术,给出了保证平衡点惟一性和全局指数稳定性的几个充分判据.所得到的全局指数稳定判据完全独立于时滞,不要求时变时滞的可微性和神经元激励函数的严格单调性,且通过几个注释说明本文的结果改进和扩展了现有一些文献中的结果.仿真例子证明了本文结果的有效性.     

时滞细胞神经网络模型的全局吸引性和全局指数稳定性

借助于Liapunov第二方法 ,对具有时滞的细胞神经网络系统x′i(t) =-Cixi(t) ∑nj=1aijfj(xj(t) ) ∑nj=1bijfj(xj(t-τj) ) Ii,　i=1,2 ,… ,n ,在非线性神经元激励函数满足Lipschitz连续的条件下 ,研究了这类模型全局吸引和平衡点全局指数稳定的问题 ,获得了易于验证的充分条件     

基于滑模PID神经网络控制的混沌同步

对于多输入多输出(multiple inputs multiple outputs,简称MIMO)混沌系统的同步问题,设计了基于误差比例-积分-微分(proportional integral derivative,简称PID)改进下的滑模径向基函数神经网络(radial basis function,简称RBF)控制方法,实现了主从统一混沌系统的同步.设计自适应RBF滑模控制器,将其用于初值不同的不确定主从统一混沌系统的同步控制中,证明了控制的Lyapunov稳定性.最后结合MATLAB仿真实验验证了所提方法的可行性与有效性.     

具有变时滞的细胞神经网络的全局指数稳定性

研究具有可变时滞的细胞神经网络的全局指数稳定性问题,得出了可变时滞的细胞神经网络全局指数稳定性的几个充分条件.在实际应用中,设计验证满足这些条件很方便,甚至无须知道时滞的具体形式.因而具有重要的理论意义和应用价值.       

具有时滞的细胞神经网络的全局渐近稳定性分析

研究了一类具有时滞的细胞神经网络的稳定性问题,首先证明了这类系统的平衡点的存在性,然后利用Lyapunov泛函方法结合不等式分析技巧,在引入一系列参数的条件下,给出了系统平衡点唯一和平凡解全局渐近稳定的充分条件,该条件与时滞无关且推广和改进了已有文献的结果.     

时滞细胞神经网络的全局渐近稳定性和指数稳定性

利用Brouwer不动点定理,证明了具有变时滞的细胞神经网络模型平衡点的存在性;利用Barbarlet引理、Dini导数与导数之间的关系,构造了一个特殊的Lyapunov函数,表明具有变时滞的细胞神经网络模型存在惟一全局指数平衡点并且全局渐近稳定;在此基础上,通过构造一个新的M-矩阵,利用Halanay时滞微分不等式和M-矩阵的特性,得出:细胞神经网络模型在一定的条件下,在平衡点处,全局指数稳定且与时滞无关.     

变时滞区间细胞神经网络的全局鲁棒稳定性

本利用拓扑度理论和Liapunov泛函方法讨论了变时滞区间细胞神经网络的全局鲁棒稳定性，给出了实用有效的判定条件，推广了有关献中的结果。