时滞切换神经网络系统的鲁棒指数稳定性

研究了具有时间滞后切换不确定细胞神经网络(UCNNs)系统的指数稳定性.利用同胚映射和M矩阵理论,得到UCNNs系统平衡点存在性,唯一性和指数稳定性的充分条件;利用平均驻留时间方法,研究了时滞切换UCNNs系统限制切换下的鲁棒指数稳定性,并得到确保系统全局指数稳定的充分条件.     

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.     

马尔科夫切换型中立型随机泛函微分方程

尽管具有马尔科夫切换型随机微分方程的稳定性受到了人们的关注,但是关于具有马尔科夫切换型中立型随机泛函微分方程的稳定性的研究则很少.本文的主要目的是试图研究这一问题,我们证明了解的存在唯—性,并得到了p-阶指数稳定性和几乎处处指数稳定性的判据.     

Cohen-Grossberg神经网络指数稳定性的新判则

避免构造Lyapunov函数的困难,运用广义Dahlquist数方法研究了Cohen- Grossberg神经网络模型的指数稳定性,不但得到了Cohen-Grossberg神经网络平衡点存在惟一性和指数稳定性的全新充分条件,而且给出了神经网络的指数衰减估计.与已有文献结果相比,所得的神经网络指数稳定的充分条件更为宽松,给出的解的指数衰减速度估计也更为精确.     

Cohen-Grossberg神经网络的全局指数稳定性分析

本文研究了CohenGrossberg神经网络模型的指数稳定性.为避免构造Lyapunov函数的困难,我们采用广义相对Dalquist数方法来分析神经网络的稳定性.借助这一方法,我们不但得到了CohenGrossberg神经网络模型平衡解的存在性、唯一性和全局指数稳定性的新的充分条件,而且给出了神经网络的指数衰减估计.所获结论改进了已有文献的相关结果.     

时滞不确定性Markov切换线性随机微分系统的指数鲁棒稳定性

研究了一类时滞不确定性Markov切换随机微分系统的均方指数鲁棒随机稳定性\bd 系统中的时滞是时变的, 不确定项结构为范数有界, Markov切换是连续时间、离散状态的时齐Markov过程{\bf\!.} 利用随机Lyapunov函数方法和LMI技术, 得到了几个判定系统均方指数鲁棒随机稳定性的充分性条件\bd 一个数值例子说明了判据的有效性和可行性.     

具有时滞的一般型脉冲神经网络的指数稳定性

讨论具有时滞的一般性脉冲神经网络的稳定性.在不假定激励函数有界或可导的前提下,利用非光滑分析和Lyapunov泛函,得到了这类神经网络系统平衡点的存在唯一性和全局指数稳定性判别准则.作为特例,得到了Hopfield神经网络,时滞细胞神经网络,双向联想记忆神经网络的平衡点的存在唯一性和全局指数稳定性判定定理.     

具S-型分布时滞的细胞神经网络的概周期解

该文研究一类具S-型分布时滞的细胞神经网络(CNNs)的概周期解及全局指数型稳定性问题.利用指数型二分性和Schauder不动点定理以及构造Lyapunov函数,得到了细胞神经网络模型概周期解和指数稳定性的一些充分条件.此外,给出一个实例说明结果是可行的.     

一类分数阶Hopfield神经网络的鲁棒指数稳定性

本文研究了一类具有Caputo导数的分数阶Hopfield神经网络的鲁棒指数稳定性, 得到了保证其鲁棒指数稳定性的一些充分条件. 最后利用数值仿真验证了结论的正确性和有效性.     

Caputo分数阶时滞细胞神经网络的稳定性分析

研究了一类Caputo分数阶时滞细胞神经网络模型的稳定性.通过利用分数阶微积分中的常数变分法,得到了Caputo分数阶时滞细胞神经网络解的差分形式,推导出模型的有界解和平衡点的存在性与唯一性,最后证明了神经网络的全局指数稳定性.     

具S-型分布时滞的模糊细胞神经网络的周期解及指数稳定性

研究了一类具S-型分布时滞的模糊细胞神经网络(FCNN)的周期解及全局指数稳定性问题.在不要求激励函数全局L ipsch itz条件下,通过使用指数型二分性和Schauder不动点定理以及构造Lyapunov函数,得到了模糊细胞神经网络模型周期解和指数稳定性的一些充分条件.此外,给出一个实例说明结果是可行的.     

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.     

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.     

带有时滞的Clifford值神经网络的全局指数稳定性

研究了带有离散时滞和分布时滞的Clifford值递归神经网络的全局指数稳定性问题.首先运用M矩阵的性质和不等式技巧证明了Clifford值递归神经网络平衡点的存在性和唯一性;然后通过数学分析方法,得到了Clifford值递归神经网络全局指数稳定的判定条件;最后数值仿真例子验证了获得结果的有效性.     

具有时滞的扩散BAM神经网络的指数稳定性

研究一类具有反应扩散的滞后BAM神经网络平衡点的存在性唯一性和全局指数稳定性.运用拓扑同胚映射,Lyapunov泛函以及多参数方法,得到关于平衡点存在唯一性和全局指数稳定性的充分条件,将相关文献的结果推广到正整数r范数上.     

时间尺度上漏项中具有变时滞的中立型模糊BAM神经网络的概周期解

本文研究了一类时间尺度上漏项中具有变时滞的中立型模糊BAM神经网络.利用时间尺度上线性动力学方程的指数二分法,Banach不动点定理和时间尺度上的微积分理论,得到了这类模糊BAM神经网络在时间尺度上概周期解的存在性和指数稳定性的充分条件.     

具有混合时滞的区间神经网络的全局指数稳定性

本文研究了一类具有混合时滞的区间神经网络系统的全局指数稳定性.通过选择适当的Lyapunov泛函,运用不等式技巧,得到了用线性矩阵不等式表示的有关的区间神经网络全局指数稳定的充分判据.通过一个数值实例验证了判据的有效性.     

一类随机BAM细胞神经网络的指数稳定性

研究了一类随机BAM细胞神经网络的指数稳定性,利用Lyapunov函数理论、It公式和线性矩阵不等式方法,建立了这种细胞神经网络均方指数稳定性判定的充分性条件.     

一类线性系统的数值控制设计

主要讨论了具有不稳定切换子模型的切换线性系统的稳定性问题.首先考虑了通过设计切换律来达到切换线性系统的稳定性问题.然后研究了切换线性控制系统可镇定性问题,通过设计控制律和切换律得到系统可镇定的判据.     

一类随机时滞递归神经网络的指数稳定性(英文)

本文研究了一类随机时滞递归神经网络的指数稳定性问题.利用非负鞅收敛定理和Lyapunov泛函的方法,获得了这类神经网络矩指数稳定性的新的代数准则,所给代数准则简单易用.一个具体实例用来说明稳定性判别准则的应用.