一类不确定非线性系统的鲁棒控制

研究一类不确定非线性动力系统的鲁捧控制问题，给出了状态反馈鲁棒指数镇定的充分条件。该方法无需借助Ricatti比方程及Liaunov函数。     

随机线性系统依概率稳定的若干等价条件

在系统分析与设计时，需要对系统的动态行为有所了解。为此，讨论了Ito^微分方程描述的线性随系统依概率稳定性问题。借助Cauchy矩阵，利用测度的单调性与连续性，得到了该类系统在概率意义下的稳定性，包括稳定、一致稳定、渐近稳定和全局稳定的若干充要条件，这些条件只与Cauchy矩阵的有界性和吸引性有关。     

关于一类神经元系统的动力学分析

旨在对Caianiello型离散神经元模型进行分析，由于这种模型具有动态阈值，它能够更加贴切地模拟生物神经元。这种神经元模型恰为延迟动力系统。我们所采用的方法是李雅普诺夫直接方法。文中对各种不同情况得到了神经元系统平衡点的数量、位置的结果。对每一种情况，我们还分析了这些平衡点的动态性质，理论分析和计算机仿真表明该神经元可以具有各种不同的特性，如全局吸引性、局部吸引性、不稳定性或振荡。     

中立型随机时滞系统的渐近稳定性

通过It^o公式与半鞅收敛定理建立了中立型随机时滞系统的拉萨尔不变原理,确定系统解的极限位置的判定条件,并应用此原理给出中立型随机时滞系统的渐近稳定性的充分条件.同时也说明了本方法的结果包含了经典的随机系统稳定性结果为其特殊情况.需要指出的是,本方法所建立的稳定性结果无须LV负定,充分利用了随机扰动项的作用.最后,用实例验证了该结果.     

随机中立型泛函微分方程指数稳定的Razumikhin型定理

研究了随机中立型泛函微分方程的指数稳定性,建立了这种方程的ｐ阶均值指数稳定性和几乎必然指数稳定性的Ｒａｚｕｍｉｋｈｉｎ型定理,并应用这些新结果到具有可变时滞的随机中立型微分差分方程。     

论细胞神经网络的稳定性

研究了细胞神经网络的耗散性及其平衡点的存在性、唯一性和全局渐近稳定性。推广了先前有关ＣＮＮ稳定性的一些结果。     

n阶脉冲泛函微分包含的非共振问题

在混合Lipschitz和Caratheodory条件下,使用恰当的多值混合不动点定理,建立了n阶脉冲泛函微分包含解存在的充分条件.然后,利用锥理论和上下解讨论了这类问题的极值解.     

RBF神经网络的一种鲁棒学习算法

用定标鲁棒代价函数代替传统的二次型指标 ,并结合改进的遗传算法 ,搜索近最优径向基函数神经网络 ( RBFNN)的结构和参数 .实验结果表明该训练方法比其他方法具有更强的鲁棒性 ,可提高 RBFNN的泛化能力 ,自动消除训练数据中的噪声 ,再现训练数据中的潜在规律 .