时滞细胞神经网络的指数稳定性

研究了时滞细胞神经网络(DCNNs)平衡点的全局渐近稳定性,去掉了有关文献中关于激活函数的有界性、单调性和可微性的条件,运用拓扑度理论和M-矩阵理论给出了更弱的判定平衡点的存在唯一性及全局指数稳定性的条件.     

一类竞争神经网络的指数稳定性分析

研究以竞争微分方程为模型的动态系统,它总结了长期和短期记忆两个方面的动态行为特征。这种神经网络的行为以一个表征快速变化现象的神经活动方程,和一个表征神经系统的慢速变化的动态调整方程来刻画。应用M-矩阵与Lyapunov稳定性理论,分析具有不同时间尺度的生物动态神经网络的指数稳定性,给出保证此神经网络平衡点全局存在唯一且指数稳定的一个充分条件,和一定条件下的一个充要条件。     

一类逆M矩阵的判定

首先利用初等变换给出了三角形逆M矩阵的判定方法，进而推广到可置换相似为三角形的非负矩阵．最后指出黄庭祝等在《特殊矩阵及应用》一书中的一个错误．     

非奇异M－矩阵及其逆矩阵Hadamard积最小特征值的新下界

针对非奇异M-矩阵及其逆矩阵Hadamard积的最小特征值问题,首先,回顾了已有文献应用矩阵的特征值存在域定理和逆矩阵元素的估计式;其次,结合M-矩阵Hadamard积的相关性质特征及不等式的构造、放缩技巧,给出了非奇异M-矩阵与其逆矩阵是双随机矩阵的Hadamard积的最小特征值下界τ(A°A~(-1))的一个仅与A矩阵的元素相关的估计式,推广了已有文献的结果;最后,用数值例子表明所给估计式的下界比已有结果得到的下界更精确.     

H-矩阵的刻化及一类实矩阵逆的上下界估计

 H-矩阵是一类有很强应用背景的矩阵,首先利用矩阵的分裂刻划了H-矩阵;然后给出了更精确的H-矩阵逆的上下界估计;进而把该结论推广到一类实矩阵.所用方法不同于以往有关结论,并改进了最近的相关结果.     

M-矩阵及非负矩阵Hadamard积和Fan积的特征值界的估计

 分别给出了非奇异M-矩阵的逆矩阵和非奇异M-矩阵的Hadamard积与非奇异M-矩阵Fan积的最小特征值下界新的估计式;同时给出了非负矩阵Hadamard积的谱半径上界新的估计式;这些估计式都只依赖于矩阵的元素,易于计算.算例表明,这些估计式在一定条件下改进了现有结果.     

广义严格对角占优矩阵与非奇M-矩阵的判定

根据不可约弱对角占优矩阵元素的特点,将复矩阵A的行元素划分为三个部分,并对每一部分元素的模求和得到三个值αi,βi,γi,通过比较由这三个值所构造出的hik和Hjk的大小给出了判断不可约矩阵A是广义严格对角占优矩阵的判别条件,并将其结果应用到非奇M 矩阵的判定上,推广了高益明等的主要结果·     

矩阵Fan积和Hadamard积的特征值界的新估计

给出非奇异M-矩阵A和B的Fan积AB的最小特征值下界和非负矩阵A和B的Hadamard积A·B的谱半径上界的新估计式,这些估计式都只依赖于矩阵的元素.数值例子表明,新估计式在一定条件下改进了现有的结果.     

分块矩阵[ABCD]的奇异性

设Ｍ＝ＡＢＣＤ为复数域上的矩阵,其中Ａ为ｍ×ｎ矩阵,ｒａｎｋＡ＝ｒ≤ｍｉｎ（ｍ,ｎ）,Ｂ为ｍ×ｒ１矩阵,ｒａｎｋＢ＝ｒ１,Ｃ为ｒ２×ｎ矩阵,ｒａｎｋＣ＝ｒ２,ｍ＋ｒ２＝ｎ＋ｒ１．本文研究了矩阵Ｍ的奇异性,给出了Ｍ为非奇异矩阵的充分必要条件,也给出了Ｍ－１＝Ａ＋Ｃ＋Ｂ＋Ｄ＋的充分必要条件．     

时变仿射非线性系统的多重动态补偿线性化

本文用微分几何方法给出并讨论了时变仿射非线性系统的多重动态补偿线性化问题,给出了系统可多重动态补偿线性化的充要条件．