随机延时细胞神经网络的几乎必然指数稳定性

依据细胞神经网络的输出函数特征，将状态空间分解成子区域，研究了一类随机延时细胞神经网络在噪声环境下的几乎必然指数稳定性．当细胞神经网络模型的扰动项满足Lipschitz条件时，得到一些几乎必然指数稳定的代数准则．如果细胞神经网络的平衡点是子区域的内点，并且与这个平衡点相关的矩阵有一个稳定度使扰动稳定，则细胞神经网络的平衡点仍保持指数稳定的性质．所有结果只需计算网络的平衡点与矩阵的特征值．     

不确定随机时滞系统的指数稳定性

研究具有时滞项的不确定随机系统的指数稳定性。运用Itoe微分公式沿系统对构造的Lyapunov泛函进行微分，得到了用线性矩阵不等式表示的有关不确定随机时滞系统均方指数稳定的一个充分判据。此判据为非时滞依赖型，可以较好地运用到不易取得时滞信息的系统中。     

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.     

随机时滞Hopfield型神经网络的几乎指数稳定性

利用Lyapunov泛函和Ito公式，研究了具有时滞的随机Hopfield型神经网络的几乎指数稳定性，证明了一个定理和两个推论．当随机扰动为0时，得到确定性的时滞神经网络指数稳定性的结果．     

一类含连续分布时滞的随机Hopfiled神经网络模型的几乎必然指数稳定性和p阶矩指数稳定性

考虑一类含连续分布时滞的随机Hopfiled神经网络模型的几乎必然指数稳定性和p阶矩指数稳定性,借助创建Lyapunov函数和运用非负半鞅收敛定理得到了该网络模型平凡解几乎必然指数稳定和p阶矩指数稳定的充分条件,并通过2个例子,说明结果的有效性.     

具有时变时滞的中立型系统的指数稳定性

研究具有时变时滞的中立型系统的指数稳定性问题。根据李雅普诺夫第二方法,构造适合讨论文中给定系统指数稳定性的李雅普诺夫函数,对积分交叉项的处理是通过引入一个使得结果保守性较小的不等式,并在此基础上得到了一个关于中立型系统时滞相关的指数稳定性判据。同时,根据针对中立系统所提出的方法又总结出了使得时滞微分动力系统时滞相关的指数稳定性判据,得到了求解时滞相关最大上界的算法,最后利用MATLAB中线性矩阵不等式LMI工具箱求解,得到使得文中所讨论系统指数稳定的时滞最大上界和指数稳定的最大上界。最后通过数值例子说明结果的可行性、正确性和有效性。     

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。     

具有混合时滞的随机细胞神经网络的稳定性分析

讨论了具有混合时滞的随机细胞神经网络的p-阶矩指数稳定和几乎必然指数稳定性.借助于局部鞅收敛定理、M-矩阵的性质和It公式,在较为宽松的扩散系数矩阵的限制条件下,得到了p-阶矩指数稳定和几乎必然指数稳定的充分条件,推广了现有一些文献的结果.     

变时滞高阶BAM神经网络的稳定性

文章研究高阶BAM神经网络的稳定性,运用Brouwer不动点定理以及Lyapunov泛函方法,得到周期解的存在唯一性和稳定性．     

带有随机时延的复杂动态网络的控制

针对具有随机时延的复杂动态网络,提出了一种新的控制策略.基于复杂动态网络的节点信息在传输过程中不可避免地存在时延,将该时延描述成Markov链形式,利用Lyapunov稳定性理论与随机分析方法,建立了以线性矩阵不等式形式描述的复杂动态网络控制器存在准则.最后,以Lorenz混沌系统作为节点动力学,构造了复杂动态网络,并进行控制仿真.仿真结果表明,该控制器能够将具有随机时延的复杂动态网络渐近稳定在平衡点.     

变时滞随机模糊细胞神经网络的全局指数稳定性

通过构造合适的Lyapunov泛函,利用It微分算子和不等式的分析技巧研究一类变时滞随机模糊细胞神经网络平衡点的全局指数稳定性,得到了该模型全局指数稳定的一个时滞独立和一个时滞依赖的充分条件.最后通过数值算例验证结论的有效性.     

脉冲随机微分方程的a．S．指数稳定性

基于Itσ随机微积分理论,运用Lyapunov函数的方法,Borel－Cantelli引理及随机分析技巧得到了带脉冲随机微分方程零解a．s．指数稳定的条件．     

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．     

S-分布时滞随机区间细胞神经网络的全局指数鲁棒稳定性

利用Lyapunov稳定性理论和随机分析的方法,给出了在均方意义下系统全局指数鲁棒稳定性的判据,并且给出了几乎必然指数稳定性的代数判据,通过仿真例子说明结果的实用性。     

不确定区间时滞Markov跳变BAM神经网络的鲁棒指数稳定性

讨论了具有不确定区间时滞的BAM神经网络的鲁棒均方指数稳定性问题.通过构造适当的Lyapunov-Krasovskii 泛函,利用一些新的定界技术,以线性矩阵不等式形式给出了Markov跳变BAM神经网络的时滞且区间相关的全局鲁棒指数稳定性判据,该判据利用Matlab的LMI工具很容易进行检验.给出数值示例,说明了判据的有效性与优越性.     

不确定区间时滞Markov跳变BAM神经网络的鲁棒指数稳定性

讨论了具有不确定区间时滞的BAM神经网络的鲁棒均方指数稳定性问题。通过构造适当的Lya-punov-Krasovskii泛函,利用一些新的定界技术,以线性矩阵不等式形式给出了Markov跳变BAM神经网络的时滞且区间相关的全局鲁棒指数稳定性判据,该判据利用Matlab的LMI工具很容易进行检验。给出数值示例,说明了判据的有效性与优越性。     

时滞Hopfield神经网络的全局指数稳定性

利用时滞微分不等式,讨论了时滞Hopfield神经网络的全局指数稳定性,获得了几个判定条件。这些结论推广了已知文献中的结果。     

神经网络指数稳定性分析的一种方法

提出了一种非线性测试，利用这种非线性测度研究了一类神经网络的局部指数稳定性和全局指数性，得到了保证神经网络的平衡点唯一、全局和局部指定的一些充分条件，导出了神经网络有多于一个平衡点的必要条件，同时得到神经网络任意两个解的差的估计式，以及神经网络指数收敛的收敛率和神经网络局部指数稳定的吸引区域的估计，所得结果是新的且不同于已有文献，便于实验应用。     

嗅觉皮层神经网络的全局指数稳定性

研究了嗅觉皮层神经网络的全局稳定性,利用压缩映射原理和构造Lyapunov泛函的方法,给出了判定平衡点的存在唯一性及全局稳定性的条件．