离散奇异马尔科夫跳变系统的广义二次随机稳定性和可镇定问题研究

研究了离散奇异马尔科夫跳变系统的鲁棒随机稳定性和鲁棒随机可镇定问题.首先给出了以严格线性矩阵不等式表达的离散奇异马尔科夫跳变系统随机容许性充要条件,在此基础上引入广义二次随机稳定性和广义二次随机可镇定的概念,然后分别导出了以严格线性矩阵不等式表达的不确定离散奇异系统广义二次随机稳定性和广义二次随机可镇定充要条件,同时给...     

随机变时滞模糊神经网络的均方渐近稳定性

基于线性矩阵不等式、Lyapunov-Krasovskill泛函和随机分析方法,研究了一类具有随机变时滞模糊神经网络的均方渐近稳定性,得到了均方渐近稳定性的充分条件.用数值例子说明了结果的有效性.     

中立型非线性随机系统的渐近稳定性

研究了一类具有可变时滞的中立型非线性随机系统解的渐近性质,利用李亚普诺夫函数和半鞅收敛定理,得到了该系统解的三个渐近性质不等式;通过伊藤公式与半鞅收敛定理及不等式技巧建立了确定这种系统解的极限位置的充分条件,并且从这些条件得到了中立型非线性时滞随机系统解的渐近稳定性、多项式渐近稳定性及指数稳定性有效判据,其结果涵盖并推广了毛学荣关于中立型非线性随机系统解的渐近性质方面的部分结论．     

具有分布时滞和马尔可夫参数的双向联想记忆神经网络的随机渐近稳定性(英文)

研究了含有分布时滞和马尔可夫参数的双向联想记忆神经网络的随机渐近稳定性,给出了随机渐近稳定性的充分条件.所有的结果以线性矩阵不等式(LMI)的方式呈现,并举例证明其结果的有效性.     

具有分布时滞的随机中立型系统的均方指数稳定性

文章讨论具有分布时滞的随机中立型系统的均方指数稳定性.根据线性矩阵不等式方法,得到了一个关于随机中立型系统时滞相关的均方指数稳定性判据.数值例子说明了此方法的可行性和有效性.     

不确定中立型随机时滞系统的鲁棒随机稳定性

研究了一类不确定中立型随机时滞系统的鲁棒随机稳定性。利用Lyapunov泛函方法,得到了基于线性矩阵不等式表示的几个稳定性充分性判据。数值模拟实例说明了本文所得结论的有效性。     

一类随机微分变分不等式

在一定条件下证明随机微分变分不等式解的存在性与唯一性.首先,证明随机微分变分不等式等价于随机投影系统;其次,用压缩映射原理证明该系统的解的存在性与唯一性;最后,考虑含参的随机微分变分不等式,并证明在一定条件下其解的稳定性.     

带扩散的随机种群系统的指数稳定性

讨论了Hilbert空间上一类带扩散的随机种群系统的指数稳定性,利用Ito公式、指数鞅公式和一些特殊不等式得到了带扩散的随机种群系统指数稳定的充分条件．     

一类伊藤型广义随机系统的有限时间稳定性

目的研究一类具有伊藤(It)型的广义随机系统分析与控制问题.方法广义系统有限时间稳定性概念,引入一个新的广义随机系统有限时间稳定性概念,它被定义为有限时间随机稳定性.利用伊藤微积分理论、随机控制理论、线性矩阵不等式等理论研究分析与控制问题.结果给出了伊藤型广义随机系统有限时间随机稳定的充分条件;并且在具有固定参数的严格线性矩阵不等式上,设计状态反馈控制器算法保证所得的闭环广义随机系统是有限时间随机稳定,同时给出相应的有限时间随机稳定的充分条件.结论所提出的方法能很好地解决随机干扰情况下,广义系统的有限时间稳定性问题,通过两个数值算例可以说明所提方法的有效性和可行性.     

S-分布时滞随机高阶Hopfield神经网络的均方指数稳定性

考虑了一类具有S-分布时滞随机高阶Hopfield神经网络模型的动力行为.利用Lyapunov泛函方法、随机分析理论和不等式技巧,研究了网络的均方指数稳定性,给出了均方稳定性判据,并以实例证明了结论的正确性.     

Hopfield型连续反馈神经网络的全局指数稳定性

研究了Ｈｏｐｆｉｅｌｄ型连续反馈神经网络的全局指数稳定性,给出了平衡点的全局指数稳定性的充分条件,这些条件有利神经计算,同时对于Ｈｏｐｆｉｅｌｄ型连续反馈神经网络的设计和应用都很有意义。     

离散Hopfield 网络的稳定性

神经网络的稳定性是神经网络应用的基础。主要研究离散 Hopfield神经网络的稳定性 ,所获结果推广了已有的结论 ,并结合网络状态图举例可直观地说明结果     

细胞神经网络稳定的一个充分条件

主要研究了一类细胞神经网络的稳定性问题。通过使用构造适当的Liapunov泛函的分析技巧和一些变换算法对细胞神经网络的数学模型进行了研究,证明了细胞神经网络平衡点的存在性,给出了细胞神经网络的平衡点是全局渐近稳定的平衡点的条件。这些条件可以使细胞神经网络的设计更加容易,因此具有重要的实际意义。     

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.     

关于细胞神经网络稳定的一个充分条件

研究了一类细胞神经网络的稳定性问题.通过构造适当的Liapunov泛函采用一些变换算法并结合不等式分析技巧,进一步探讨了细胞神经网络的稳定性条件.证明了细胞神经网络平衡点的存在性,给出了细胞神经网络的平衡是全局一致渐近稳定的充分条件.这些条件可使细胞神经网络的设计更加容易,因此具有比较重要的理论意义和应用价值.     

变连接权细胞神经网络模型的稳定性分析

旨在研究一个带时滞的变连接权细胞神经网络模型的稳定性.运用Lyapunov函数方法、代数不等式和有关微分方程稳定性理论,给出了该模型稳定性的判据,并举例说明该判据的可行性.变连接权细胞神经网络模型的稳定性研究目前还是一个较新的研究领域,故所得到的稳定性判据在理论和应用上都具有一定的指导意义.     

离散Hopfield神经网络的全局渐近稳定性

给出了 DHNN的收敛性的详细证明 ,并对以前文献中关于 n2的证明进行了补充 ,给出了串行方式下权阵非对称时的收敛条件。     

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.     

离散Hopfield神经网络的动态行为分析

离散Hopfield神经网络的稳定性不仅本身有重要的理论意义，而且也是网络应用的基础。主要研究非对称离散Hopfield神经网络在并行演化模式下的动力学行为，得到了一些新的稳定性条件，所获结果进一步推广了一些已有的结论。     

离散时间神经网络的全局指数稳定性

研究了离散时间神经网络的全局指数稳定性问题．利用Liapunov函数法．得到了判断离散时间神经网络全局指数稳定性的一个新的充分条件．