具有比例时滞的细胞神经网络的全局稳定性分析

研究了具有比例时滞的细胞神经网络的平衡点的全局稳定性。通过建立李亚普诺夫函数，得到全局渐进稳定的充分条件。     

带时滞的高阶Cohen-Grossberg神经网络的指数稳定性

就一类高阶时滞Cohen-Grossberg社昆网络进行研究,假设反应函数满足Lipschitz连续且有界,用非线性测度的方法得到了关于平衡点的存在性和惟一性的一种新的充分性的判别条件,同时,通过构造一个合适的Lyapunov函数,得到这个条件也保证了时滞神经网络的全局指数稳定性.     

具有离散和分布时滞的随机基因神经网络的均方全局渐近稳定性

研究了一类具有混合时滞的随机神经网络的均方稳定性问题．不同于其他已有的文章,混合时滞对描述基因神经网络的分子浓度更具有现实意义．基于李雅普诺夫稳定性理论和线性矩阵不等式条件,给出了随机基因神经网络的均方渐近稳定性条件．相关的例子证明了理论结果的有效性．     

时滞非线性系统在周期间歇控制下的同步(英文)

利用周期间歇控制的方法,研究了非线性系统的同步问题.通过构造Lyapunov函数,运用Halanay不等式以及微分不等式,得到了一类非线性系统达到同步的充分条件.     

基于Contrast box算法的图像序列有用目标段搜寻方法

提出一种基于Contrast box算法的红外弱小多目标图像序列有用目标段搜寻方法,引用每帧图像的信号量来搜索红外图像序列中含有目标的有用信息段.描述了Contrast box算法和搜索有用目标段处理过程,分析了阈值权值系数和目标所占像元面积选取的不同对图像有用目标段搜索的影响,给出了每幅图像的统计信号量.实验表明,该方法在执行效率和搜索时间上能够取得满意的结果.     

带有变时滞的高阶模糊细胞神经网络的指数稳定性

研究了带有变时滞的高阶模糊细胞神经网络（HFCNNs）的全局指数稳定性.通过引入非奇异M-矩阵和使用Lyapunov泛函方法,得到了带有常时滞和变时滞的高阶模糊细胞神经网络全局指数稳定性的充分条件.     

基于回形窗的弱小多目标图像分割方法

提出一种红外弱小多目标图像分割方法,用一个回形窗口和对比度阈值分割图像.对天空背景下低信噪比的红外弱小多目标图像序列能够有效的分割,抑制噪音干扰.将该方法与传统的图像分割方法做了比较,并对用不同阈值,不同窗口分割时的分割结果进行了分析.实验表明,该算法在执行效率和检测概率上能够取得满意的结果.     

具有分布时滞的高阶Hopfield神经网络的全局稳定性判据

通过使用Lyapunov泛函方法和LMI方法研究了具有连续分布时滞的高阶Hopfield神经网络（HHNNs）的全局渐近稳定性,得到了系统全局渐近稳定的充分条件．通过使用Matlab中的LMI工具箱验证了结果的有效性．     

具有变时滞的脉冲细胞神经网络的指数稳定性

研究了带有脉冲影响的变时滞细胞神经网络的指数稳定性,利用李雅普诺夫函数和Young不等式,得到了神经网络指数稳定的充分条件。最后给出数值实例来验证理论结果的正确性和有效性。     

带有时间变量和分布时滞的多时间刻度的竞争神经网络的指数稳定

介绍了带有时间变量和分布时滞的竞争神经网络,研究了该网络的指数稳定．利用非光滑分析技术,证明了该系统平衡点的存在唯一性．通过运用分析方法、不等式技术,取得了该系统平衡点的指数稳定．