基于一类时滞不等式的时滞微分方程的渐近稳定性

利用Lyapunov的方法讨论了时滞微分方程x.(t)=f(t,x(t),x(t-τ(t)))的全局指数渐近稳定性和全局渐近稳定性.     

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。     

一类具有时滞的Cohen-Grossberg神经网络的指数稳定性

考虑一类具有时滞的Cohen-Grossberg神经网络,利用Lyapunov方法和微分不等式理论,得到了其全局指数稳定性的判别准则.该准则引入了更多的参数,更便于系统的设计与分析.     

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.     

一类变时滞神经网络的全局指数稳定性

本文研究一类变时滞神经网络平衡点的全局指数稳定性.在不要求激活函数全局Lipschitz条件下,利用Lyapunov函数方法,并结合Young不等式和Halanay时滞微分不等式,得到了系统全局指数稳定的充分条件.文末,一个数值例子用以说明本文结果的有效性.     

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.     

一类时滞神经网络的周期解与稳定性

本文利用重合度理论中的延拓定理和一些分析技巧,讨论了一类时滞神经网络的周期解的存在性和全局渐近稳定性,获得了简便的判别条件.     

变时滞Hopfield神经网络的全局指数稳定性

本文研究了一类具有变时滞Hopfield神经网络的稳定性问题.利用时滞微分不等式方法,获得了几个关于该网络的全局指数稳定性与时滞无关的充分条件,并且给出了此类网络的收敛指数的估计,推广了已知文献的结果.最后给出数值例子证明结论的有效性.     

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.     

变时滞随机模糊细胞神经网络稳定性分析(英文)

本文旨在研究一类带变时滞的随机模糊细胞神经网络的稳定性.通过构造恰当的Lyapunov泛函并运用线性矩阵不等式(LMI)理论,作者给出了保证这类神经网络全局渐近稳定的充分条件.本文推导出两个定理:一个用以判定文中模型的全局渐进稳定性,一个用以判定该模型在均方意义下的全局渐近稳定性.     

具有时变时滞和分布时滞随机神经网络p阶矩指数稳定性

在仅要求时滞函数有上界的条件下,运用随机分析理论和微分不等式技巧得到了同时具有时变时滞和分布时滞的随机神经网络的p阶矩指数稳定充分条件,并用具体算例验证了方法的有效性,文章结论推广和改进了相关文献的结果.     

时滞Hopfield神经网络模型渐进稳定性的新准则

在不考虑激励函数有界,可微和单调的情况下,利用Lyapunov泛函方法,得到了时滞Hopfield神经网络模型的平衡点存在性和全局渐近稳定性的新准则.研究结果改进和推广了以前相关文献的结果.     

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.     

一类随机高阶变时滞神经网络的指数稳定性

对于一类随机高阶变时滞神经网络,应用Brouwer不动点原理和随机分析理论知识,利用Schwarz积分不等式和递推归纳技巧,研究高阶变时滞神经网络在随机扰动下的稳定性,给出其指数稳定判定的充分性条件.最后通过数值例子说明所得结果的有效性.     

具有时滞的细胞神经网络的全局指数稳定性

利用Liapunov函数方法,结合积分不等式技巧,分析了时滞细胞神经网络的平衡点存在的唯一性和全局指数稳定性,保证时滞细胞神经网络全局指数稳定的一个新的充分判据被得到.所得判据比已有文献具有更少的限制,为实际应用提供了方便.     

带马尔可夫跳的时滞随机递归神经网络的以分布渐近稳定性

研究了带马尔可夫跳的时滞随机递归神经网络的以分布渐近稳定性问题.通过构造合适的Lyapunov泛函,得到了判定带马尔可夫跳的时滞随机递归神经网络的以分布渐近稳定的充分条件.并举例说明结论的有效性.     

具时滞广义Cohen-Grossberg神经网络的全局渐近稳定性

利用同胚映射原理、线性矩阵不等式和构造的Lyapunov泛函研究了一类Cohen-Grossberg神经网络平衡点的全局渐近稳定性,优化了现有文献中关于全局渐近稳定性的判据.     

随机时滞神经网络系统的自适应控制稳定性

考查一类具有时滞延迟的随机非自治神经网络系统的两类稳定性问题,不同于常规使用的Lyapunov-Krasovskii函数方法和线性矩阵不等式技巧,通过构造新的比较原则,将神经网络(NNs)与随机神经网络(SNNs)两种模型进行比较,给出了随机神经网络(SNNs)自适应控制器能够使受控系统依概率稳定性和矩稳定性的新的代数判断依据.此外,通过数值算例对主要结果进行验证.     

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.     

具有脉冲的高阶时滞Hopfield神经网络的全局指数稳定性

高阶Hopfield神经网络可以看作是Hopfield神经网络的扩展,相对一阶神经网络而言,高阶神经网络在存储能力、逼近能力、容错水平和收敛速度等方面具有更强大的能力.利用构造合适的Lyapunov泛函,应用不等式性质,研究了一类具有脉冲的高阶时滞Hopfield神经网络的动力学行为,得到了确保该系统的平衡点全局指数稳定的充分判别条件.通过两个仿真例子,说明所得结论的有效性.