时滞BAM神经网络的全局稳定性

利用李雅普诺夫泛函方法并结合一些分析技巧获得了时滞BAM神经网络平衡点全局渐近稳定和全局指数稳定的充分条件，这些条件对设计全局渐近稳定的BAM神经网络和全局指数稳定的BAM神经网络具有重要意义．     

变时滞脉冲高阶BAM神经网络的指数稳定性

研究带脉冲和时滞项的高阶BAM神经网络系统的指数稳定性.首先,通过压缩映射原理得到了系统存在唯一的平衡点的新的充分条件.其次,利用Halanay不等式和数学归纳法,得到了保证系统指数稳定的充分条件.最后,通过一个例子说明所得结果的有效性.     

脉冲时滞BAM神经网络稳定性研究

研究了带有脉冲的时滞双向联想记忆(BAM)神经网络的稳定性问题.通过对网络系统的研究,根据脉冲的特点,采用Lyapunov稳定性理论和一些矩阵分析的技巧,得到了脉冲时滞BAM神经网络的稳定性结论,其中包括稳定点的唯一性判据和稳定性的判据,说明脉冲时滞BAM神经网络的稳定性问题是网络本身的特性,最后通过数值算例验证了论文的可行性和有效性.     

时变时滞BAM神经网络系统的时滞依赖指数稳定性准则

基于Lyapunov稳定性理论和线性矩阵不等式技术，针对一类时变时滞BAM神经网络系统给出了时滞依赖的指数稳定性准则。所得到的条件可用Matlab中的LMI控制工具箱方便的求解。仿真实例进一步说明了结论的有效性。     

变时滞Cohen-grossberg神经网络的全局鲁棒稳定性

运用李雅普诺夫稳定性理论和线性矩阵不等式(LMI)对变时滞Cohen-grossberg神经网络的鲁棒稳定性进行分析,得出了判别其全局鲁棒稳定性的充分条件.通过和已有结论比较,说明推广了已有结果,得到了新的判别条件.     

分布时滞模糊BAM神经网络模型的指数稳定性

详细介绍了一类具分布时滞的模糊BAM（Bi·direction Associate Memory）神经网络模型．在合适的条件下,通过数学分析技巧和压缩映像原理,证明了模型平衡点的存在唯一性;通过构造Liapunov泛函,利用Lipschitz激励函数性质,获得了平衡点的指数稳定性．     

一类时滞反应扩散Cohen-Grossberg神经网络的稳定性

利用Lyapunov泛函研究一类时滞反应扩散Cohen—Grossberg神经网络平衡点的全局指数稳定性．给出了一些代数判据．     

非自治分布时滞BAM神经网络的绝对指数稳定性

利用Brouwer不动点理论和不等式技巧, 讨论了非自治分布时滞BAM神经网络的绝对指数稳定性, 给出了实用有效的判定条件,仅要求激活函数满足局部Lipschitz条件,所得结果更容易验证。 例子说明结果的有效性。     

具连续分布时滞与非线性脉冲BAM神经网络的全局指数稳定性

研究了具有连续分布时滞与非线性脉冲影响的BAM型神经网络的全局指数稳定性问题.利用M-矩阵以及谱理论等工具得到了系统存在惟一全局指数稳定的平衡点的充分条件.并给出一个例子说明结论的有效性.     

变时滞高阶Hopfield神经网络的全局指数稳定性

文章首先利用Brouwer不动点定理得到了平衡点存在性的充分条件,然后利用不等式分析技巧得到平衡点的唯一性及全局指数稳定性的一个新的判据.     

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.     

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.     

反应扩散变时滞细胞神经网络的稳定性

利用构造Lyapunov函数的方法讨论了带反应扩散项的变时滞细胞神经网络全局指数稳定性.在输出响应函数有界且满足Lipschitz条件和系统满足文章所给的条件下,得到了判定该类网络解的全局指数稳定性.     

随机变时滞递归神经网络的几乎指数稳定性

研究了一类随机变时滞递归神经网络的几乎指数稳定性问题。利用Lyapunov函数方法和Ito公式,结合矩阵分析技巧,给出了系统几乎指数稳定的判别准则。数值例子说明了该结果的有效性。     

可变时延神经网络的全局指数稳定性

利用Lyapunov泛函方法和线性矩阵不等式(LMI)技术,讨论了带有可变时延的神经网络的全局指数稳定性.通过引入一系列参数,给出全局指数稳定的平衡点的充分条件.实例表明给出的充分条件是有效、可行的.     

时滞依赖的变延时细胞神经网络的指数稳定性

细胞神经网络(CNNS)由于有许多重要的应用价值，所以它的稳定性分析一直是神经网络领域里的一个重要课题．近年来，神经动力系统的定性分析吸引了众多学的关注．在神经网络的电子器件实现中，出现了许多问题，诸如：转换延时，积分器，连接延时等．在这种情况下，在系统模型中一定要引进一个延时参数．要制造高质量的微电子神经网络，研究带有延时的神经动力行为是特别重要的．献[1～11]研究了时滞神经网络的全局稳定性；献[5，9，12，13]给出了有关延时细胞神经网络(DCNNs)全局稳定的充分条件，但是在这些章中，细胞的输出函数要求是一个分段线性函数并且延时是一个常量；献[10，13]虽然不再要求细胞的输出函数为分段线性函数，但是仍要求它的延时项是一个常数．在Lyapunov稳定性理论及矩阵不等式的基础上，给出了一个保证变延时细胞神经网络平衡点存在唯一并且全局指数稳定的充分条件．这个条件对参数变延时做了一个限制．给出了一个具体的数值例子及其仿其结果来说明我们结果的可行性．     

混合变时滞的中立型神经网络全局指数稳定性

利用Lyapunov—Krasovskii稳定性理论和线性矩阵不等式（LMI）处理方法,研究了一类具有混合时变时滞的中立型细胞神经网络的全局指数稳定性问题,获得了该模型平衡点全局指数稳定的一个新的充分条件．改进和推广了已有文献的结果,降低了系统的保守性．所得结论对更好的模拟细胞神经网络的行为具有重要的指导意义．     

变时滞反馈神经网络的全局指数稳定性

通过引入更加广泛的一类Lyapunov-Krasovskii泛函,并利用线性矩阵不等式分析技巧,得到了关于可变时滞广义神经网络模型平衡位置全局指数稳定的最新判据,并且判别条件中不限制连接权矩阵符号.该结果精炼和推广了一些已有的结果,并且更少保守,在实践上易于程序实现,方便使用.     

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.