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.     

混沌时滞随机神经网络同步控制

研究了一类混沌时滞随机神经网络同步控制问题．采用更具一般性的时滞反馈控制器,通过巧妙地构造Lyapunov数,分别得到了均方指数同步和均方渐近同步两个判别准则．仿真例子表明,新准则是有效的．     

离散神经网络指数稳定的增强李亚普诺夫方法

This paper addresses the problem of robust stability for a class of discrete-time neural networks with time-varying delay and parameter uncertainties.By constructing a new augmented Lyapunov-Krasovskii function,some new improved stability criteria are obtained in forms of linear matrix inequality（LMI） technique.Compared with some recent results in the literature,the conservatism of these new criteria is reduced notably.Two numerical examples are provided to demonstrate the less conservatism and effectiveness of the proposed results.     

基于量子粒子群算法的自适应随机共振方法研究

为提升随机共振理论在微弱信号检测领域中的实用性,以随机共振系统参数为研究对象,提出了基于量子粒子群算法的自适应随机共振方法.首先将自适应随机共振问题转化为多参数并行寻优问题,然后分别在Langevin系统和Duffing振子系统下进行仿真实验.在Langevin系统中,将量子粒子群算法和描点法进行了寻优结果对比;在Duffing振子系统中,Duffing振子系统的寻优结果则直接与Langevin系统的寻优结果进行了对比.实验结果表明:在寻优结果和寻优效率上,基于量子粒子群算法的自适应随机共振方法要明显高于描点法;在相同条件下,Duffing振子系统的寻优结果要优于Langevin系统的寻优结果;在两种系统下,输入信号信噪比越低就越能体现出量子粒子群算法的优越性.最后还对随机共振系统参数的寻优结果进行了规律性总结.     

集值伪连续函数及其在非合作与合作博弈中的应用

首先,我们引入一类集值伪连续函数.在此基础上,我们给出集值伪连续函数的性质特征刻画.然后,作为应用,我们在具有集值伪连续支付函数的博弈问题中,分别证明了非合作博弈均衡与合作博弈均衡的存在性.最后给出一个具体算例,验证了其可行性.