随机时滞神经网络系统指数稳定性的新判定准则(英文)

本文主要研究了一类随机时滞神经网络的稳定性条件.利用随机分析技巧和不动点原理,建立了一个关于随机时滞神经网络指数稳定性判定的新的准则.     

随机Cohen-Grossberg-type BAM神经网络的均方指数稳定性

通过构造Lyapunov函数,利用随机微分的It(ο)公式,研究了一类含有时滞的随机Cohen-Grossberg-type BAM神经网络的均方指数稳定性,并给出判定的条件,最后举例子说明结果的正确性.     

基于LMI方法的多时滞随机神经网络的指数稳定性

研究了一类具有多个时滞的随机神经网络的均方指数稳定性问题,应用Lyapunov-Krasovskii泛函稳定理论和线性矩阵不等式(LMI)方法,建立了该系统解的指数稳定判别准则,最后通过数值举例阐述了结果的有效性.     

具有跳跃的随机神经网络的均方稳定性

研究了一类新的具有脉冲跳跃的Hopfield神经网络系统模型,其中脉冲时刻的跳跃是由一般的随机序列所引起,通过运用Lyapunov函数方法,获取了一些新的均方稳定性结果.由于脉冲的跳跃使得不稳定的神经网络变成稳定,因而所得的结果也可以运用到其他相关领域.     

随机变时滞模糊神经网络的均方指数稳定性

利用Lyapunov泛函和随机分析的方法,研究了一类具有变时滞随机模糊细胞神经网络的均方指数稳定性,得到了这类神经网络均方指数稳定性的充分条件.数值例子说明了得到的结果的有效性.     

多时滞随机神经网络的稳定性

通过构建李雅普偌夫函数的方法和利用半鞅收敛定理对一类随机时滞神经网络的全局指数稳定进行了分析,提出了易于判定随机时滞神经网络几乎必然指数稳定性新的代数判据,推广了[1]中的主要结论.     

带马尔可夫跳的时滞随机递归神经网络的以分布渐近稳定性

研究了带马尔可夫跳的时滞随机递归神经网络的以分布渐近稳定性问题.通过构造合适的Lyapunov泛函,得到了判定带马尔可夫跳的时滞随机递归神经网络的以分布渐近稳定的充分条件.并举例说明结论的有效性.     

变时滞随机模糊细胞神经网络稳定性分析(英文)

本文旨在研究一类带变时滞的随机模糊细胞神经网络的稳定性.通过构造恰当的Lyapunov泛函并运用线性矩阵不等式(LMI)理论,作者给出了保证这类神经网络全局渐近稳定的充分条件.本文推导出两个定理:一个用以判定文中模型的全局渐进稳定性,一个用以判定该模型在均方意义下的全局渐近稳定性.     

含混合时滞和脉冲的Cohen-Grossberg神经网络的全局指数稳定性

本文讨论了含混合时滞和脉冲的Cohen-Grossberg神经网络的稳定性.通过应用M矩阵理论和不等式技巧,得到了含混合时滞的Cohen-Grossberg神经网络平衡态的全局指数稳定性的充分条件.相比以前同类文献,本文减弱了部分条件,推广了部分结论,并在文末给出了两个示例.本文结论对于设计和应用神经网络有一定实用价值.     

脉冲比较微分系统解的_0-稳定性(英文)

本文主要利用分段连续的Lyapunov函数得到脉冲比较微分系统(2)的(?)-稳定性,并且通过比较方程,得到脉冲微分系统(1)的稳定性.