变时滞离散时间切换Hopfield神经网络的稳定性分析(英文)

主要研究具有时变时滞和不确定项的离散时间切换霍普菲尔德神经网络的鲁棒指数稳定性问题。首先,给出具有时变时滞和不确定项的离散时间切换霍普菲尔德神经网络的数学模型。然后,基于一个新的李亚普诺夫-克拉索夫斯基泛函、离散时间的詹森不等式和线性矩阵不等式,应用平均驻留时间方法,导出一些新的时滞依赖的准则,从而保证离散时间切换霍普菲尔德神经网络的鲁棒指数的稳定性。并且通过一个数值例子验证了导出结果的有效性。     

一类分数阶时滞神经网络的有限时间同步行为分析

分数阶时滞神经网络在信息科学、图像处理等领域具有重要应用,研究分数阶时滞神经网络的有限时间同步问题具有重要意义.首先,利用H?lder不等式提出一个关于上升函数的不等式;其次,利用不等式技巧和线性反馈控制器,得到阶数在1<α<2情形下分数阶时滞神经网络有限时间同步的充分条件;最后,给出数值案例,实验结果证实了所得结果的有效性和可行性.     

具有变时滞的复值神经网络的有限时间同步

研究了具有变时滞的复值神经网络的有限时间同步问题.在一些合理的假设下,基于状态反馈原理和稳定性理论提出了新的控制协议.通过运用新的同步方法得到一些充分条件来保证具有时滞的复值神经网络能在有限时间内同步.     

含无穷分布时滞的离散时间耦合神经网络同步分析

针对一类离散时间耦合神经网络,讨论其含有变时滞和无穷分布时滞时的同步性.采用Lyapunov稳定性理论,结合线性矩阵不等式技术来获得时滞耦合神经网络全局渐近同步的充分性判据,并且所获得的判据依赖于时滞.同时,对细胞激活函数做了类扇形描述的假设,从而进一步减少结论的保守性.     

一类具有混合时滞的分数阶神经网络的有限时间同步分析

针对具有混合时滞的分数阶神经网络的有限时间同步问题,基于Gronwall不等式、不等式放缩技巧以及一些分数阶微积分的分析技巧,推导得到混合时滞的分数阶神经网络的有限时间同步的充分判据,并通过数值模拟实验验证了所得结果的正确性和可行性。     

脉冲高阶时滞Hopfield型神经网络的稳定性分析

针对进化过程中顺序的突然改变导致无法用纯连续或纯粹的离散神经网络来描述的问题,给出了脉冲高阶时滞Hopfield型神经网络模型,并得到时滞脉冲系统渐近稳定的结果.然后,利用该结果和李亚普诺夫方法以及数学分析技术分析网络的稳定性.在激励函数连续、单调有界的条件下,给出了保证脉冲高阶时滞Hopfield型神经网络全局一致渐近稳定的充分条件.这些条件含有许多可调参数,为神经网络提供灵活的设计与分析;并且易于检验,适用于分析生物神经系统的动态特性或设计全局稳定的神经网络.最后,通过仿真实例说明了所得结果的有效性.     

时滞神经网络稳定性、分岔与混沌的研究进展

时滞广泛存在于神经网络中，从非线性动力学的角度对时滞神经网络系统的研究进展作一综述，内容包括时滞神经网络系统的特点、研究方法、神经网络动力学的热点问题的研究进展以及亟待解决的问题等。由于时滞神经网络的演化趋势不仅依赖于系统的当前状态，还依赖于系统的过去某一时刻或若干时刻的状态，其运动方程要用泛函微分方程来描述，解的空间是无穷维的，因此，时滞神经网络的动态行为是非常复杂的。     

变时滞Cohen-Grossberg随机神经网络的矩指数稳定性

本文利用随机积分的伊腾公式,时滞微分不等式及随机时滞神经网络的特性 讨论变时滞Cohen-Grossberg随机神经网络的矩指数稳定性,实例证明本文结果的优越性.     

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。     

模糊随机BAM神经网络的固定时间同步

对带有时滞的模糊随机BAM神经网络进行了固定时间同步分析.在传统BAM神经网络的框架下,引入了随机扰动、模糊性、离散时滞的影响,使得网络模型更符合实际系统,拓展了模型的应用范围.在此基础上,通过设计合适的反馈控制器,利用Lyapunov方法,得到了系统达到固定时间同步的判定准则.最后进行了数值模拟验证理论结果的有效性.     

具有混合时滞的随机Cohen-Grossberg神经网络的稳定性分析

研究了均方意义下的具有时变时滞与分布时滞的随机Cohen-Grossberg神经网络的指数稳定性,利用It微分公式和Lyapunov泛函,得到了一个关于其指数稳定时滞无关的充分条件.具体实施方法是运用It微分公式沿所考虑的神经网络对构造的Lyapunov泛函进行微分,得到了系统稳定的代数判据.最后,通过一个数学样例说明了所得结论的有效性.目前文献尚未见同时具有时变时滞与分布时滞的随机Cohen-Grossberg神经网络的指数稳定性的相应结果,由于Cohen-Grossberg神经网络更具有代表性,其研究意义与应用前景不言而喻.     

含扩散项时滞模糊Cohen-Grossberg神经网络的指数稳定性

文章讨论了一类含扩散项的混合时滞模糊Cohen-Grossberg神经网络,通过一些基本分析手段和不等式技巧,得到了平衡点的唯一性和全局指数稳定性的充分条件,通过实例模型验证了指数稳定性。     

非负放大函数与多延时的Cohen-Grossberg神经网络的鲁棒稳定性

在Cohen-Grossberg神经网络设计及实现过程中,非负放大函数条件是很实用的.在网络参数存在摄动的情况下,研究了具有非负放大函数的一类多延时Cohen-Grossberg神经网络的鲁棒渐近稳定性问题.首先通过证明一个有用的引理,建立了渐近稳定性和鲁棒稳定性之间的关系.其次,在不要求激励函数满足严格单调增加和有界性的情况下,通过构造适当的Lyapunov泛函,针对所研究的神经网络模型,基于线性矩阵不等式技术建立了平衡点鲁棒稳定的一个充分判据.仿真结果进一步证明了所得结论的有效性.     

变时滞Cohen-Grossberg随机反应扩散神经网络的吸引集和不变集

从M.Cohen和S.Grossberg(IEEE Trans Sys Man Cyber,1983,13:815-826.)提出Cohen-Gross-berg神经网络以来,由于它在信号和图像处理、联想记忆、组合优化等中的广泛应用,因此受到了广泛的关注和研究.由于随机干扰和反应扩散,时滞Cohen-Grossberg随机反应扩散神经网络的平衡点往往不存在,这时,往往研究其吸引集和不变集的存在性.建立了一种研究时滞Cohen-Grossberg随机反应扩散神经网络的吸引集与不变集的方法.通过应用Ito公式、时滞微分不等式技巧和M-矩阵性质,获得了判定变时滞Cohen-Grossberg随机反应扩散神经网络存在吸引集和不变集的充分条件.所获得的充分条件在实践当中可以用简单的代数方法验证,因此有广泛的应用价值.最后举例用以说明我们的结果的有效性.     

多重时变时滞的Cohen-Grossberg神经网络的指数稳定性

研究了多重时变时滞的Coben-Grossberg神经网络的指数稳定性，得到了平衡点存在以及指数稳定的充分条件，这些条件相比前人文章具有限制更少，更容易验证的特点。     

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。     

具有变时滞离散Cohen-Grossberg神经网络的周期解

讨论了具有变时滞离散Cohen-Grossberg神经网络模型,利用M-矩阵理论与适合Lypunov函数,得到该类模型周期解的存在性与全局指数稳定性,推广了先前的结果.     

具有混合时滞的脉冲Cohen-Grossberg神经网络的指数耗散性

通过建立一个脉冲时滞微分不等式,并利用M-锥的特性,作者得到了具有混合时滞的脉冲Cohen-Grossberg神经网络指数耗散的充分条件,推广了早期的相关结果.     

具有反应扩散和无空时滞的Cohen-Grossberg神经网络的全局鲁棒指数稳定性

文章研究了一类带分布时滞的反应扩散Coihen-Grossberg神经网络的鲁棒指数稳定性。利用不动点理论和不等式的技巧,给出了平衡点存在唯一性和全局鲁棒指数稳定性的新的判别准则。