细胞神经网络的指数稳定性

该文研究了具有可变时滞的随机细胞神经网络的指数 稳定性,应用Razumikhin定理与Lyapunov函数,建立了这种细胞神经网络均方指数稳定与几乎必然指数稳定的两类判据,一类是时滞无关而另一类是时滞相关.     

带有时变时滞的中立型神经网络的鲁棒指数稳定性

研究一类带有时变时滞的中立型神经网络的全局指数稳定性问题.通过构造LyapunovKrasovskii泛函并使用线性矩阵不等式方法,建立了保障时滞神经网络全局指数稳定的新的时滞相关充分条件.这些条件用线性矩阵不等式表达.进一步,文章对一类不确定时滞中立型神经网络给出了鲁棒全局指数稳定的新判据.     

具比例时滞高阶广义细胞神经网络的全局指数周期性

研究了一类具比例时滞高阶广义细胞神经网络的全局指数周期性与稳定性问题.通过非线性变换y_i(t)=x_i(e~t),将一类具比例时滞高阶广义细胞神经网络等价地变换成一类具常时滞与时变系数的高阶广义细胞神经网络,再通过构造合适的Lyapunov泛函,利用Brouwer压缩映象原理和一些不等式的分析技巧,得到了该神经网络的周期解的存在唯一且全局指数周期与全局指数稳定的几个新的时滞依赖的充分条件,并且这些条件仅通过一些简单的代数运算就容易验证.     

一类区间随机分布时滞系统的p-阶矩指数稳定性

研究了一类区间随机分布时滞系统的p-阶矩指数稳定性问题.利用分布时滞转化为点时滞方法和区间矩阵的分解技术,得到了该系统p-阶矩指数稳定的时滞依赖的稳定性判据.通过数值例子说明了所得判据的有效性和实用性.     

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.     

变时滞BAM神经网络的全局指数稳定性

研究一类变时滞BAM神经网络平衡点的全局指数稳定性问题.在不要求激励函数全局Lipschitz条件下,通过构造合适的Lyapunov泛函,并结合Young不等式,得到了BAM神经网络模型在一定条件下全局指数稳定的一些充分条件,推广和改进了前人的相关结论,为综合设计指数稳定的时滞BAM神经网络提供了依据.     

G-Brown运动驱动的中立型随机时滞微分方程的指数稳定性

研究了一类G-Brown运动驱动的中立型随机时滞微分方程的指数稳定性.在G-框架意义下,运用合适的Lyapunov-Krasovskii泛函,中立型时滞微分方程理论以及随机分析技巧,证明了所研究方程平凡解的p-阶矩指数稳定性,得到了所研究方程平凡解是p-阶矩指数稳定的充分条件.最后通过例子说明所得的结果.     

离散神经网络指数稳定改进条件

研究了一类时滞离散神经网络指数稳定及鲁棒稳定问题.结合线性矩阵不等式技术,构造了一个新的广义李亚普诺夫函数,得到了新的指数稳定条件.数值算例表明与以往文献中的结果相比,新准则具有较弱的保守性.     

关于无限时滞自治线性泛函微分方程的指数稳定问题

本文应用反例给出Corduneanu和Lakshmikantham在综合报告中提出的关于一类最基本的无限时滞自治线性泛函微分方程的基本矩阵指数稳定问题的否定解答。在抽象相空间中建立了一般无限时滞自治线性泛函微分方程基本矩阵指数稳定的充分必要条件,发现基本矩阵的指数稳定性与相空间的选择无关,并从理论上证明Corduneanu和Lakshmikantham问题的解答是否定的。     

基于观测器的模糊时滞系统指数稳定的一种设计方法

研究了一类模糊时滞系统的指数稳定问题.首先利用T-S模型对非线性不确定性时滞系统进行建模,在此基础上设计了基于观测器的模糊状态反馈控制器,通过巧妙选取Lyapunov函数给出了模糊闭环时滞系统的条件及稳定裕度且模糊反馈增益和模糊观测器增益可通过求解线性矩阵不等式获得.