基于LMI的时滞细胞神经网络的指数稳定性分析

研究了一类具有时滞的细胞神经网络的指数稳定性问题,利用Lyapunov Krasovskii函数,给出了系统全局指数稳定的时滞相关稳定性条件,其结果以线性矩阵不等式的形式给出,可以很容易求出系统稳定的时滞上界,并且能够达到时滞无关指数稳定性和全局渐近稳定性.数值算例说明了本文结果的优越性.     

时变时滞细胞神经网络的稳定性分析

研究了一类具有变时滞的细胞神经网络的稳定性问题,利用新的Lyapunov Krasovskii函数,给出了系统全局渐近稳定的时滞相关稳定性条件。其结果以线性矩阵不等式的形式给出,可以很容易通过计算机编程实现。并且本文通过对矩阵特征值的应用,得到了一个新的LMI的应用形式,改善了对LMI的应用。最后,数值算例说明了本文结果的优越性。     

时滞神经网络的指数稳定性分析

研究了一类时滞细胞神经网络的指数稳定性问题,利用Razumikhin定理和线性不等式技术得到新的全局指数稳定性准则.与其他方法不同之处在于,对神经网络模型的“线性化”,将神经网络模型变成一个线性时变的系统.所获的条件具有较少的保守性.最后用1个数值例子说明文中所得的结果是有效的.     

具有变时滞Cohen-Grossberg神经网络全局稳定性分析

通过选取一个新颖的Lyapunov-Krasovskii泛函和引入与系统等价的描述系统,利用一些自由权矩阵和不等式适当的放大,在Lyapunov-Krasovskii泛函方法的基础上,讨论了具有交时滞Cohen-Grossberg神经网络的全局稳定性问题并得到了2个时滞相关的渐近稳定性准则.所得到的稳定性准则以线性矩阵不等式(LMI)的形式给出,能够用Matlab工具箱LMI很容易地进行检验.且变时滞导函数只要有上界而不必小于1和系统激励函数的限制条件较现有文献中的条件要弱,这拓展了现有的结论.在最后的数值例子中,计算结果说明所得结论较以往的方法有很大改善.     

基于LMI的比例时滞细胞神经网络的全局渐近稳定性

通过构造合适的Lyapunov泛函及应用线性矩阵不等式,研究一类比例时滞细胞神经网络的全局渐近稳定性,得到系统全局渐近稳定的时滞相关与时滞独立的充分条件.利用数值算例和仿真结果验证了所得结论的正确性.     

时滞细胞神经网络全局同步的滑模控制方法

利用改进的滑模控制方法,研究了具有多时滞和分布时滞细胞神经网络的全局同步问题.基于Lyapunov稳定性原理,运用线性矩阵不等式方法,设计滑模面,考虑了时滞独立和时滞相关两种情况.设计了合适的滑模控制器,以使得误差系统的轨迹能全局达到滑模面.得到了相对充分的条件,来确保时滞独立与时滞相关两种情况下误差系统的全局稳定性,从而实现时滞细胞神经网络的全局同步.结果表明所设计的滑模控制器由误差反馈控制输出来获得高增益补偿的准则,可用以处理神经网络的全局同步问题,并且此方法可应用于其他复杂神经网络.     

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。     

多时滞和分布时滞细胞神经网络的全局渐近稳定性

应用Young不等式技术和构造适当的Lyapunov函数,研究了同时具有多时变时滞和分布时滞的细胞神经网络的全局渐近稳定性问题.得出了时滞细胞神经网络的平衡点全局渐近稳定的几个充分判据.与现有一些文献中的结果相比,所得到的这些判据具有保守性小,适用范围宽等特点.仿真示例验证了所得结果的有效性.     

时变时滞非自治神经网络的全局指数稳定

在激励函数仅满足全局Lipschitz连续,时变时滞函数有界、连续可微且导数小于1的条件下,通过构造一个恰当的Lyapunov泛函并结合Young不等式,利用Lyapunov稳定性理论,首先研究了一类具有时变时滞的多轴突非自治神经网络系统的全局指数稳定性问题,得到一系列在实践中易于验证的、保证系统全局指数稳定的充分条件。作为特例,还得到了具有定常时滞的多轴突非自治系统以及一般的非自治系统的全局指数稳定性充分条件。其次,还得到了一类同时具有连续时变时滞和无穷分布时滞的多轴突非自治神经网络系统的全局指数稳定性充分条件。本文去掉了关于激励函数有界、可微等限制条件,推广并改进了相关文献的结果。本文的结果也适合自治神经网络系统。最后举例说明了本文方法的有效性。     

时变时滞非自治神经网络的全局指数稳定性

在激励函数仅满足全局Lipschitz连续,时变时滞函数有界、连续可微且导数小于1的条件下,通过构造一个恰当的Lyapunov泛函并结合Young不等式,利用Lyapunov稳定性理论,首先研究了一类具有时变时滞的多轴突非自治神经网络系统的全局指数稳定性问题,得到一系列在实践中易于验证的、保证系统全局指数稳定的充分条件.作为特例,还得到了具有定常时滞的多轴突非自治系统以及一般的非自治系统的全局指数稳定性充分条件.其次,还得到了一类同时具有连续时变时滞和无穷分布时滞的多轴突非自治神经网络系统的全局指数稳定性充分条件.本文去掉了关于激励函数有界、可微等限制条件,推广并改进了相关文献的结果.本文的结果也适合自治神经网络系统.最后举例说明了本文方法的有效性.     

一类具变时滞细胞神经网络的全局渐近稳定性

讨论一类具变时滞细胞神经网络平衡点的唯一性和全局渐近稳定性,利用矩阵不等式,通过构造合适的Lyapunov泛函,得到了具变时滞细胞神经网络全局渐近稳定性的新的充分条件．     

变时滞非线性细胞神经网络稳定性分析

通过构造新的Lyapunov-Krasovskii泛函和线性矩阵不等式(linear matrix inequatity,LMI),研究变时滞非线性细胞神经网络渐近稳定性,利用牛顿-莱布尼兹公式,一些参数矩阵表达出系统变量之间的关系。从而得出一个具有变时滞相关的全局渐近稳定性判据,其扩展并改善了以前文献的结果。数值及仿真例子验证了结果的有效性。     

Stability Analysis for Stochastic Delayed High-order Neural Networks

In this paper, the global asymptotic stability analysis problem is considered for a class of stochastic high-order neural networks with tin.delays. Based on a Lyapunov-Krasovskii functional and the stochastic stability analysis theory, several sufficient conditions are derived in order to guarantee the global asymptotic convergence of the equilibtium paint in the mean square. Investigation shows that the addressed stochastic highorder delayed neural networks are globally asymptotically stable in the mean square if there are solutions to some linear matrix inequalities （LMIs）. Hence, the global asymptotic stability of the studied stochastic high-order delayed neural networks can be easily checked by the Matlab LMI toolbox. A numerical example is given to demonstrate the usefulness of the proposed global stability criteria.     

随机细胞人工神经网络的稳定性

基于细胞神经网络输出函数饱和线性特性,采用分割状态空间为若干子区域的方法,对处于噪声环境下的细胞神经网络的几乎必然指数稳定性进行了分析.在噪声扰动项分别满足Lipschitz条件和线性条件下,依据平衡点所处子区域位置,得到了对应区域中仅依赖于网络参数构成的矩阵负定性的若干代数判别条件.特别地,如果平衡点为区域内点,所得结果是非常方便检验的.研究结果可供网络设计参考,并可用来计算网络抗干扰强度.     

变时滞非线性细胞神经网络稳定性分析

通过构造新的Lyapunov-Krasovskii泛函和线性矩阵不等式（linear matrix inequatity,LMI）, 研究变时滞非线性细胞神经网络渐近稳定性, 利用牛顿-莱布尼兹公式, 一些参数矩阵表达出系统变量之间的关系。从而得出一个具有变时滞相关的全局渐近稳定性判据, 其扩展并改善了以前文献的结果。 数值及仿真例子验证了结果的有效性。     

一类具时滞细胞神经网络的全局一致渐近稳定性

讨论了一类具时滞细胞神经网络平衡点的全局一致渐近稳定性, 通过构造合适的Lyapunov泛函, 得到了三个具时滞细胞神经网络全局一致渐近稳定性的新的充分条件。     

具时滞细胞神经网络周期解的全局渐近稳定性

讨论一类具时滞细胞神经网络周期解的全局渐近稳定性.通过构造合适的Lyapunov泛函及应用Barbalat引理,得到了具时滞细胞神经网络周期解的全局渐近稳定性的新的充分条件.最后通过数值算例及仿真证明了所得结论的有效性.     

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。