具有分布时滞和无界时变时滞的随机神经网络的稳定性分析

通过引入衰减因子,构造一个新的Lyapunov泛函,结合不等式技巧,利用随机分析理论研究同时具有无界时变时滞和有界分布时滞的随机神经网络的p阶矩指数稳定性和几乎必然指数稳定性。所得稳定性判据只涉及系统本身参数,易于在实践中验证,结论推广改进了相关文献的结果。实例说明方法的有效性。     

具有脉冲的BAM型Cohen-Grossberg时滞神经网络

讨论了一类具有脉冲的BAM型Cohen-Grossberg时滞神经网络模型,利用重合理论和构造合适的Lyapunov函数,获得了这类模型周期解的存在性与指数稳定性的充分条件.     

具有不同时间尺度的变时滞竞争神经网络概周期解的存在性和全局指数收敛性

运用不动点理论和微分不等式技巧研究了具有不同时间尺度的变时滞变系数竞争神经网络的概周期解,给出了其存在性和全局指数收敛性的一种判别准则.     

具有指数收敛速率的时滞系统采样迭代学习控制

针对具有状态时滞的连续时间系统提出一种采样迭代学习控制算法,可以避免连续系统D型和P型算法的不足,给出并证明了算法指数收敛的充分条件,该条件可保证系统跟踪误差能以指数收敛速率收敛至一个与采样周期相关的误差范围内。     

时变时滞不确定系统的鲁棒稳定性分析

以时变时滞不确定系统为研究对象,讨论了其时滞独立鲁棒稳定性.首先利用Lya-punov稳定性理论得出时变时滞系统渐近稳定的充分条件;然后基于这个充分条件通过解一个推广的Lyapunov矩阵方程得到了使系统稳定的非线性扰动的界;最后举例说明了该方法的简单、有效性.     

具有区间时变时滞系统的镇定

研究具有区间时变时滞的线性系统的镇定性问题.通过构造新的Lyapunov泛函,引入自由权矩阵和三重积分,以线性矩阵不等式形式给出了控制器的设计方案.所提方法具有较小的保守性,即有效地扩大了时滞范围允许的届.该方法计算过程简单,结论精确,适用于工程中.数值例子说明了结果的有效性.     

具有指数收敛速率的时滞系统采样迭代学习控制

针对具有状态时滞的连续时间系统提出一种采样迭代学习控制算法,可以避免连续系统D型和P型算法的不足.给出并证明了算法指数收敛的充分条件,该条件可保证系统跟踪误差能以指数收敛速率收敛至一个与采样周期相关的误差范围内.     

具有时变时滞不确定系统的稳定时滞界

研究一类线性不确定系统时滞相关稳定的充分条件,并给出了系统的衰减率估计方法,文中给出的释例表明结论优于现有相关研究成果。     

具有区间时变时滞随机基因调控网络的弱保守性的稳定性判据

研究一类带有随机干扰的时滞基因调控网络的稳定性分析问题。假定时滞是时变的,通过引入适当的Lyapunov泛函,分别利用自由权矩阵方法及Jensen不等式方法,建立基于线性矩阵不等式形式的稳定性判据,保证了所研究的基因调控网络是随机均方渐近稳定的。从理论和数值上对所提出稳定性判据与现有结果进行了保守性比较,说明了所提出方法的有效性。     

含脉冲的变时滞静态神经网络的稳定性分析

研究含脉冲的变时滞静态神经网络模型的指数稳定性.通过构造恰当的Lyapunov泛函,利用线性矩阵不等式方法,给出了该神经网络模型在延迟依赖条件下的指数稳定性的充分条件.同时考虑时滞和脉冲的影响,因而考虑的情况更具普遍性,适用的范围更广.仿真例子说明所得结果适用范围宽,保守性小,易于验证的特点.     

具连续分布时滞BAM神经网络的全局稳定性

研究具有连续分布时滞的BAM神经网络系统的全局稳定性，获得全局稳定的两个充分条件。     

一类不确定随机多时滞神经网络时滞区间相关的鲁棒指数稳定分析

本文主要探究了带有多时滞不确定随机神经网络在均方意义下的鲁棒指数稳定性．通过构造一个多时滞区间相关的Lyapunov-Krasovskii泛函和自由权矩阵方法,建立新的稳定性标准．井将得到的结果推广到一般的多时滞情形中,所有的结果都以LMI形式表示,并可以通过MatlabLMI工具箱进行运算．     

有变时滞离散神经网络的指数稳定性

文章通过Brouwer不动点理论论证平衡点的存在性,利用相关矩阵不等式论证其全局指数稳定性,研究具有变时滞离散神经网络平衡点的指数稳定性．     

一类具有脉冲和时滞的细胞神经网络系统的反周期解

利用迭代分析方法研究了一类具有脉冲和时滞的细胞神经网络反周期解的存在性和唯一性,以及平衡点的一致稳定性,得到了一些新的结论。     

耦合时延复杂网络的无源脉冲同步

针对具有耦合时延的复杂网络,利用时滞系统的脉冲控制方法,提出了脉冲同步控制器。根据非线性系统的无源化设计方法,设计了使复杂网络快速同步的脉冲控制器。以具有10个节点的复杂网络为例进行了数值模拟,结果表明所设计的脉冲同步控制器能够使具有耦合时延的复杂网络实现有效同步。     

一类基于比率的且有收获率和时滞的捕食系统在时间尺度上的周期解

研究一类基于比率且具有收获和时滞的两种群捕食者—食饵周期系统,利用重合度理论中的延拓定理建立了这类系统在时间尺度上正周期解存在的一个充分性判据,推广了已知的相关结论.     

延迟区间BAM神经动力学模型及鲁棒稳定性分析

给出了带轴突信号传输延迟的区间ＢＡＭ神经动力学模型（ＤＩＢＡＭ）,它是其他ＢＡＭ模型的推广,应用区间动力学系统的稳定性理论,并且构造适当的Ｌｙａｐｕｎｏｖ函数,研究了ＤＩＢＡＭ的鲁棒稳定性,得到了一个充分条件,用几个具体例子进行了计算机模拟,结果表明所得的鲁棒稳定性条件的正确性。     

多脉冲发放的Spiking神经网络

针对允许神经元发放多个脉冲的Spiking神经网络(SNN)的学习,提出采用更接近生物神经元的SRM模型,更全面地考虑了神经元在发放脉冲后的状态变化,并采用BP学习算法调整神经元的不应期. 通过对XOR问题、IRIS数据集以及泊松脉冲序列的测试,表明这种多脉冲发放的SNN比单脉冲发放的SNN能够更有效地传递信息,提高学习速度.     

混沌神经网络用于灰度图象的联想记忆

针对一般联想记录系统只能自理二值模式的特点提出一种多植模式的相关学习方法,并在改进的ＧＣＭ模型（Ｓ－ＧＣＭ）基础上实现了对多灰度级图象的记忆与识别,最后对识别的效果和影响因素作了分析。