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.     

变时滞细胞神经网络稳定性分析

利用矩阵测度、Liapunov函数和Halanay时滞不等式的方法研究了具有变时滞的细胞神经网络模型平衡点的全局指数稳定性问题.给出了判定平衡点全局指数稳定性的几个代数判据,可用于时滞细胞神经网络的设计与检验,数值算例说明其结果的优越性.     

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.     

一类具分布时滞神经网络的全局指数稳定性

本文讨论了一类具分布时滞神经网络的稳定性.利用广义Dahlquist数和广义Halanay不等式,我们得到了该神经网络平衡点存在、唯一且全局指数稳定的充分条件.此外,我们的方法还估计出了神经网络指数收敛到平衡点的速度.由于我们的方法去除了关于激活函数的有界性、可微性和单调性的常用假设,因此我们的结果是某些现有结果的推广和改进.     

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.     

连续型BAM神经网络的指数稳定性

首先将连续型双向联想记忆神经网络转化成一个特殊的Hopfield网络模型.在此基础上,对连续BAM神经网络的指数稳定性进行了新的分析,证明了神经网络连接权矩阵在给定的约束条件下有唯一平衡点.所做的分析可以用于设计全局指数稳定的神经网络.     

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.     

广义神经网络及其稳定性,容错性分析

本文建立了一个广义神经网络模型，并研究了它的渐近稳定性和指数稳定性，由这些结果我们可以估计各记忆模式的吸引域及其中每一点趋向记忆模式的指数收敛速度，以此来评价网络的容错能力．     

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.     

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.     

含混合时滞和脉冲的Cohen-Grossberg神经网络的全局指数稳定性

本文讨论了含混合时滞和脉冲的Cohen-Grossberg神经网络的稳定性.通过应用M矩阵理论和不等式技巧,得到了含混合时滞的Cohen-Grossberg神经网络平衡态的全局指数稳定性的充分条件.相比以前同类文献,本文减弱了部分条件,推广了部分结论,并在文末给出了两个示例.本文结论对于设计和应用神经网络有一定实用价值.     

一类变时滞Cohen-Grossberg神经网络的全局指数稳定性

研究了一类具变时滞的C ohen-Grossberg神经网络的全局指数稳定性.利用同胚映射理论、Lya-punov函数思想和不等式技巧,给出了平衡点存在唯一性和全局指数稳定性的新的判别准则.     

一类具脉冲干扰的Cohen—Grossberg时滞神经网络模型的全局指数稳定性

本文主要考虑了一类带脉冲的Cohen—Grossberg时滞神经网络模型的全局指数稳定性，通过构造Liapunov函数，应用M矩阵理论和一些不等式的技巧，给出了模型的平凡解全局指数稳定的充分条件。     

一类具有Leakage时滞的惯性Cohen-Grossberg神经网络的全局指数稳定性和Hopf分支

研究一类具有Leakage时滞的惯性Cohen-Grossberg神经网络模型.通过构造适当的Lyapunov泛函得到了平衡点全局指数稳定的充分条件.通过分析特征方程,讨论了系统平衡点的局部稳定性,得出了系统Hopf分支存在的充分条件.最后对所得理论结果进行了数值模拟.     

General criteria for asymptotic and exponential stabilities of neural network models with unbounded delays

For a family of differential equations with infinite delay, we give sufficient conditions for the global asymptotic, and global exponential stability of an equilibrium point. This family includes most of the delayed models of neural networks of Cohen-Grossberg type, with both bounded and unbounded distributed delay, for which general asymptotic and exponential stability criteria are derived. As illustrations, the results are applied to several concrete models studied in the literature, and a comparison of results is given.     

Exponential stability of fuzzy Cohen–Grossberg neural networks with time delays and impulsive effects

In this paper, we investigate a class of fuzzy Cohen-Grossberg neural networks with time delays and impulsive effects. By employing an inequality technique, we find sufficient conditions for the existence, uniqueness, global exponential stability of the equilibrium without using the M-matrix theory. An example is given to illustrate the effectiveness of the obtained results.     

变时滞随机Cohen-Grossberg神经网络的几乎肯定指数稳定性

通过构造Lyapunov泛函、利用半鞅收敛定理得到了变时滞随机Cohen-Grossberg神经网络几乎肯定指数稳定的判别准则.     

Discrete analogue of high-order periodic Cohen-Grossberg neural networks with delay

In this paper, new discrete analogue of high-order Cohen-Grossberg neural networks with varying delay is obtained by analysis and approximation techniques. The existence of periodic solution for discrete high-order Cohen-Grossberg neural networks with varying delay is studied by continuation theorem of coincidence degree theory, and sufficient condition is given to guarantee global exponential stability of periodic solution. Finally, an example is given to show the effectiveness of the results in this paper.     

Global exponential stability of Cohen-Grossberg neural networks with variable delays

A class of generalized Cohen-Grossberg neural networks（CGNNs） with variable de- lays are investigated. By introducing a new type of Lyapunov functional and applying the homeomorphism theory and inequality technique, some new conditions axe derived ensuring the existence and uniqueness of the equilibrium point and its global exponential stability for CGNNs. These results obtained are independent of delays, develop the existent outcome in the earlier literature and are very easily checked in practice.