分数阶非线性时滞脉冲微分系统的全局Mittag-Leffler稳定性

该文主要研究了含有脉冲和时滞因素的分数阶非线性微分系统的全局Mittag-Leffler稳定性.利用分数阶Lyapunov方法和Mittag-Leffler函数性质,给出了含有脉冲时滞分数阶非线性微分系统全局Mittag-Leffler稳定性的充分条件,然后用具体的例子证明了所得结果的有效性.     

分数阶BAM神经网络的稳定性

利用Mittag-Leffler函数的相关性质和积分变换方法,研究了分数阶BAM神经网络的稳定性,给出了相应的充分性条件,并通过实例仿真验证了结论的正确性.     

分数阶变时滞Cohen-Grossberg型BAM神经网络全局Mittag-Leffler稳定

主要研究分数阶变时滞Cohen-Grossberg型BAM神经网络,利用分数阶微积分有关性质,定义Mittag-leffler函数和对时间区间的有效划分,借助微分中值定理和一些分析技巧,给出了判定其系统解全局Mittag-Leffler稳定性充分条件.最后,给出数值例子以验证理论结果的有效性.     

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.     

分数阶变时滞惯性Cohen-Grossberg神经网络全局Mittag-Leffler稳定和全局渐近ω-周期

主要研究分数阶变时滞惯性Cohen-Grossberg神经网络动力学行为.利用RiemannLiouville分数阶微积分性质和初始值条件,当系统变时滞τ_ij(t)>0时,将时间变量t的定义域[0,+∞)分成两个区间:[0,τ_ij(t)]和[τ_ij(t),+∞),推导出当t分别在[0,τ_ij(t)]和τ_ij(t),+∞)中变化时,含有变时滞τ_ij(t)的状态函数x_i(t-τ_ij(t)的分数阶积分之间的关系式.引入Mittag-leffler函数,借助于拉格朗日中值定理有限增量公式,Arzela-Ascoli定理当函数序列等度连续且一致时,存在一个一致收敛的子序列等分析知识,给出判定其系统解全局Mittag-Leffler稳定和全局渐近ω-周期充分条件.最后,通过数值模拟例子验证所得到理论结果的有效性.     

分数阶Hopfield神经网络的稳定性

利用Mittag-Leffler函数的相关性质和积分变换方法,研究了分数阶Hopfield神经网络(FHNN)的稳定性,给出了相应的充分性条件,并通过实例仿真验证了结论的正确性.     

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.     

含脉冲的Hopfield神经网络的全局指数稳定性

研究了一类含脉冲的Hopfield神经网络的全局指数稳定性.利用同胚映射理论、Lyapunov函数思想和不等式技巧,给出了平衡点的存在唯一性和全局指数稳定性的新的判别准则.     

一类分数阶神经网络模型的稳定性与Hopf分支分析

分析了一类分数阶神经网络的稳定性与Hopf分支问题.基于分数阶稳定性判据,得到了分数阶神经网络模型局部渐近稳定的条件.并以q为分支参数,得到了分数阶系统产生Hopf的条件.最后数值仿真证明了我们的结论.     

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.     

具有时滞的分数阶模糊细胞神经网络一致稳定性

研究了具有时滞的分数阶模糊细胞神经网络,应用不等式与Banach不动点定理得到了系统解的存在唯一性条件和一致稳定性结果.最后,通过例子验证了定理的有效性.     

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.     

高等数学的阅读能力培养初探

认识高等数学阅读能力的重要性、激发大学生对高数学阅读的兴趣、提供数学阅读的具体方法是培养高等数学阅读能力的措施.其中,数学阅读的具体方法有:带有问题阅读、督促学生作读书笔记、个别指导、组织课堂讨论和经验交流、及时小结、合理评价等.高等数学教师应该努力探寻提高大学生数学阅读能力的有效方法.     

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.     

时滞Hopfield神经网络的全局指数稳定性

利用时滞微分不等式，讨论了时滞Ｈｏｐｆｉｅｌｄ神经网络的全局指数稳定性，获得了几个判定条件。这些结论推广了已知文献中的结果。     

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.     

时滞神经网络全局渐近稳定性条件

利用Liapunov泛函方法,结合矩阵不等式技巧,分析了时滞细胞神经网络(DCNNs)的平衡点存在的唯一性和全局渐近稳定性,保证DCNNs的全局稳定性的一个新的充分判据被得到．所得判据提供了一些参数来适当地弥补了反馈矩阵与时滞反馈矩阵之间所需要的平衡关系．这些判据可以容易被使用来设计和检验全局稳定的网络．此外,所得判据是与时滞参数无关,且比已有文献具有更少的限制．     

Exponential Stability of Discrete-Time Delayed Hopfield Neural Networks with Stochastic Perturbations and Impulses

This paper derives some sufficient conditions for exponential stability in the mean square of stochastic discrete-time delayed Hopfield neural networks (DHNN) with impulse effects. The Lyapunov–Krasovskii stability theory, Halanay inequality, and linear matrix inequality (LMI) are employed to investigate the problem. It is shown that the impulses in certain regions might preserve the stability property of the DHNN when the impulses-free part converges to its equilibrium point. Moreover, the feasible interval of the jump operator is also derived.