时间标度上时滞脉冲复值神经网络的全局稳定性

研究了时间标度上具有时滞和脉冲影响的复值神经网络的全局稳定性问题.利用时间标度上的微积分理论,将连续时间型复值神经网络和离散时间型复值神经网络统一在同一个框架下进行研究.在不要求激励函数有界的条件下,运用同胚映射原理,建立了确保时滞复值神经网络平衡点存在性和唯一性的判定条件.通过构造合适的Lyapunov-Krasovskii泛函,并使用自由权矩阵方法和矩阵不等式技巧,获得了时间标度上具有时滞和脉冲影响的复值神经网络平衡点全局稳定性的充分条件.给出的判据是由复值线性矩阵表示的,易于MATLAB软件的YALMIP Toolbox实现.数值仿真实例验证了获得结果的有效性.     

带有变化分布时滞的复值神经网络Lagrange稳定性

研究了带有变化分布时滞的复值神经网络Lagrange稳定性问题.通过构造合适的Lyapunov Krasovskii泛函, 并使用矩阵不等式技巧,建立了网络全局指数Lagrange稳定性的判定条件.提供的判据是复值线性矩阵不等式, 能够使用MATLAB软件的YALMIP工具箱快速计算.     

具有泄漏时滞的复值神经网络的全局同步性

研究了一类具有泄漏时滞的复值神经网络的全局同步性问题.在不要求激励函数可分离为实部函数和虚部函数的条件下,通过构造合适的Lyapunov-Krasovskii泛函,并运用驱动-响应同步方法、自由权矩阵方法和矩阵不等式技巧,获得了具有泄漏时滞的复值神经网络全局同步性的充分条件和同步控制器设计方法.给出的判据是由复值线性矩阵不等式表示的,易于MATLAB软件的YALMIP Toolbox实现.数值仿真实例验证了获得结果的有效性.     

混合时滞复值神经网络的事件触发状态估计北大核心CSCD

研究了事件触发机制下混合时滞复值神经网络的状态估计问题.首先基于测量输出设计了事件触发机制,有效降低了估计器更新的频率.在触发机制中引入了等待时间,以此避免了采样中的Zeno现象.运用Lyapunov方法和复值矩阵的性质,建立了估计误差系统全局渐近稳定的充分性判据,并基于线性矩阵不等式技巧给出了复值增益矩阵K的求解算法.最后的数值例子验证了理论成果的正确性和有效性.     

具有混合时滞的脉冲复值神经网络的全局μ-稳定性

研究了具有离散变化时滞和无界分布时滞的脉冲复值神经网络的稳定性,在所研究的神经网络中,活动函数仅仅要求满足Lipschitz条件.运用同胚映射原理,证明了具有混合时滞的脉冲复值神经网络平衡点的存在性和唯一性.通过构造Lyapunov-Krasovskii泛函,使用自由权矩阵方法和不等式技巧,获得了网络平衡点的全局μ-稳定性的充分性判据.数值仿真实例验证了结果的有效性.     

基于混沌同步化的广义无源性

对一般类型的混沌系统,提出了一个新的基于同步化的无源性.以Liapunov理论和线性矩阵不等式(LMI)逼近为基础.基于无源性的控制器,不仅要求其同步误差系统无源,同时要求其渐近稳定.解线性矩阵不等式表示的凸最优化问题,可以求得所建议的控制器.对Genesio-Tesi混沌系统和Qi混沌系统的仿真计算,证明所建议格式的有效性.     

带有比例时滞的复值神经网络全局指数稳定性

研究了带有比例时滞的复值神经网络全局指数稳定性问题.借助向量Lyapunov函数思想和同胚映射原理,并使用M-矩阵理论和不等式技巧,建立了网络平衡点存在性、唯一性和全局指数稳定性的判定条件.     

离散时间型复值神经网络的全局指数周期性

复值神经网络是神经网络的一个分支,也是最近几年快速发展的一个领域,在图像处理、模式识别、联想记忆等方面有广泛的应用．目前,对于复值神经网络动力学方面的研究主要集中在稳定性上,对于离散时间型复值神经网络周期性的研究还几乎没有．首先将连续时间型复值神经网络模型离散化得到离散时间型复值神经网络模型,然后利用M矩阵理论、不等式技巧和Lyapunov方法,获得了全局指数周期性的一个充分条件,最后给出的具有仿真的数值例子验证了获得结果的有效性.     

基于观测器的非线性不确定时滞跳变系统无源控制

该文基于鲁棒控制理论,采用线性矩阵不等式(LMI)方法,研究了一类非线性不确定时滞Markov跳变系统的无源控制问题,设计了基于观测器的无源控制器.通过构造合适的Lyapunov函数,给出了对所有允许的不确定、时滞和非线性,被控对象满足无源控制指标约束下系统渐近稳定的一个充分条件.求解一个线性矩阵不等式,即可获得系统的无源控制器.仿真示例显示了该文设计方法的有效性.     

次正定复矩阵次Schur补的一些性质

利用复矩阵的Schur补和次正定性,研究了次正定复矩阵的次Schur补的一些性质,得到了次正定复矩阵次Schur补的几个行列式不等式,将相关文献的相应结果由次正定次Hermite矩阵推广到次正定复矩阵.     

Robust passivity analysis of fuzzy Cohen-Grossberg BAM neural networks with time-varying delays

This paper is concerned with the problem of passivity analysis for a class of Cohen-Grossberg fuzzy bidirectional associative memory (BAM) neural networks with time varying delay. By employing the delay fractioning technique and linear matrix inequality optimization approach, delay dependent passivity criteria are established that guarantees the passivity of fuzzy Cohen-Grossberg BAM neural networks with uncertainties. The passivity condition is expressed in terms of LMIs, which can be easily solved by various convex optimization algorithms. Finally, a numerical example is given to illustrate the effectiveness of the proposed result.     

Projective Synchronization of Fractional Quaternion Neural Networks With Time-Varying Delays北大核心CSCD

研究了具有时变时滞的分数阶四元数神经网络的投影同步问题.该文不将分数阶四元数神经网络系统转化成两个复值系统或四个实值系统,而是将四元数系统当做一个整体进行处理.在合适的控制器下,通过构造合适的Lyapunov函数,并利用一些不等式技巧,得到了具有时变时滞分数阶四元数时滞神经网络投影同步的充分性判据.最后,通过数值仿真实例验证了所得结论的有效性和可行性.     

New results on exponential passivity of neural networks with time-varying delays

The problem of delay-dependent exponential passivity analysis is investigated for neural networks with time-varying delays. By use of a linear matrix inequality (LMI) approach, a new exponential passivity criterion is proposed via the full use of the information of neuron activation functions and the involved time-varying delays. The obtained results have less conservativeness and less number of decision variables than the existing ones. A numerical example is given to demonstrate the effectiveness and the reduced conservatism of the derived results.     

基于忆阻的分数阶时滞复值神经网络的全局渐近稳定性

研究了分数阶复值神经网络的稳定性.针对一类基于忆阻的分数阶时滞复值神经网络,利用Caputo分数阶微分意义上Filippov解的概念, 研究其平衡点的存在性和唯一性.采用了将复值神经网络分离成实部和虚部的研究方法, 将实数域上的比较原理、不动点定理应用到稳定性分析中, 得到了模型平衡点存在性、唯一性和全局渐近稳定性的充分判据.数值仿真实例验证了获得结果的有效性.     

Passivity analysis of Markov jump neural networks with mixed time-delays and piecewise-constant transition rates

In this paper, passivity analysis is considered for Markov jump neural networks with both mixed time-delays and time-varying transition rates. The mixed time-delays consist of both discrete and distributed delays. The time-varying character of transition rates is assumed to be piecewise-constant. By use of the linear matrix inequality (LMI) method and a Lyapunov functional that accounts for the mixed time-delays, a delay-dependent passivity condition is derived, which can be easily checked. The result presented depends upon not only discrete delay but also distributed delay. A numerical example is proposed to show the effectiveness of the proposed method.     

Global Robust Passivity Analysis for Stochastic Interval Neural Networks with Interval Time-Varying Delays and Markovian Jumping Parameters

In this paper, the problem of passivity analysis is investigated for stochastic interval neural networks with interval time-varying delays and Markovian jumping parameters. By constructing a proper Lyapunov-Krasovskii functional, utilizing the free-weighting matrix method and some stochastic analysis techniques, we deduce new delay-dependent sufficient conditions, that ensure the passivity of the proposed model. These sufficient conditions are computationally efficient and they can be solved numerically by linear matrix inequality (LMI) Toolbox in Matlab. Finally, numerical examples are given to verify the effectiveness and the applicability of the proposed results.