一类分布时滞竞争神经网络的全局渐近稳定性

利用拓扑度理论和Lyapunov泛函,研究了一类分布时滞竞争神经网络的全局渐近稳定性,给出了平衡点的存在唯一性和全局渐近稳定性的判据.实例说明了判据的有效性.     

变时滞静态神经网络的全局指数稳定性

基于拓扑度理论和推广的Halanay矩阵微分不等式,研究了变时滞静态神经网络的全局指数稳定性,并给出了实用有效的判定条件。     

分布时滞静态神经网络全局鲁棒稳定性

利用拓扑度理论和Liapunov泛函方法，讨论了分布时滞静态神经网络模型的全局鲁棒稳定性，给出了实用有效的判定条件．     

一类延迟神经网络的全局渐近稳定性

针对一类能够由中立型变延迟非线性微分方程描述的神经网络模型,通过构造一个Lyapunov-Krasovskii泛函,给出了平衡点惟一性和全局渐近稳定的充分条件.所得到的稳定判据不依赖于时间延迟大小,不要求神经元激励函数的有界性、严格单调性和可微性,只与连接矩阵和延迟的导数项有关,且该稳定判据能够表示成线性矩阵不等式形式,易于求解验证.     

一类具变时滞细胞神经网络的全局渐近稳定性

讨论一类具变时滞细胞神经网络平衡点的唯一性和全局渐近稳定性,利用矩阵不等式,通过构造合适的Lyapunov泛函,得到了具变时滞细胞神经网络全局渐近稳定性的新的充分条件．     

具有时变时滞的Hopfield神经网络的全局指数渐近稳定性

对具有时变时滞的Hop fie ld神经网络模型,给出了时滞无关的全局指数稳定判据.去掉了输入-输出函数的可微性和有界性条件,推广了其他作者基于常数时滞的有关结果,所给的充分条件不但能保证该时滞神经网络平衡点的存在性,而且能使其全局指数渐近稳定.     

时滞区间静态神经网络的全局鲁棒稳定性

应用Lyapunov泛函方法和拓扑度理论研究了时滞区间静态神经网络的全局鲁棒稳定性,给出了一些实用的判据。     

变时滞神经网络模型的全局指数稳定性

研究了一类变时滞的Hopfield型神经网络的全局指数稳定性,在对网络系统施加两个不同的非线性神经元激励函数的条件下,利用M-矩阵的特性,得到了细胞神经网络模型在一定的条件下全局指数稳定的易于判定的充分条件,数值例子说明了本文结果的有效性.     

具有离散和分布时滞的中立型细胞神经网络的全局渐近稳定性

文章研究了一类具有离散和分布时滞的中立型细胞神经网络的全局渐近稳定性问题,首先利用拓扑度原理等相关知识,证明了系统的平衡点的存在唯一性,然后通过构造Lyapunov-Kra-sovskii泛函,得出了具有离散和分布时滞的中立型神经网络系统的平凡解的全局指数稳定性的判别条件。     

一类时变时滞静态神经网络的指数稳定性

基于线性矩阵不等式方法建立了时变时滞静态神经网络的指数稳定判据.考虑到时滞变化率对稳定性能的影响,分别建立了仅依赖时滞上界的稳定判据和完全依赖时滞信息的稳定判据.所得到的稳定判据能够适应慢变时滞和快变时滞两种情况,具有适用范围宽、保守性小和易于验证等特点,并通过几个注释说明与现有的文献结果进行了比较.仿真示例验证了所得结果的有效性.     

多时滞和分布时滞细胞神经网络的全局渐近稳定性

应用Young不等式技术和构造适当的Lyapunov函数,研究了同时具有多时变时滞和分布时滞的细胞神经网络的全局渐近稳定性问题.得出了时滞细胞神经网络的平衡点全局渐近稳定的几个充分判据.与现有一些文献中的结果相比,所得到的这些判据具有保守性小,适用范围宽等特点.仿真示例验证了所得结果的有效性.     

带有时滞和脉冲的模糊细胞神经网络的全局指数稳定性

主要讨论了带有时滞和脉冲的模糊细胞神经网络的全局指数稳定性.在合适的条件下,利用不动点定理、M-矩阵原理和Lyapunov函数技巧,获得了该系统平衡点的全局指数稳定性.     

一类具多比例时滞广义细胞神经网络的全局指数稳定性

对一类具多比例时滞广义细胞神经网络的全局指数稳定性进行研究.首先用Brouwer不动点定理证明了该系统平衡点的存在唯一性,再通过建立时滞微分不等式,获得了保证该系统平衡点全局指数稳定的时滞独立的充分条件.最后,给出了一个数值算例验证所得结果的正确性和有效性.     

带时滞的脉冲二阶Hopfield神经网络的周期解全局指数稳定性

利用重合度理论和构造Lyapunov泛函，得到了带时滞的脉冲二阶Hopfield神经网络的周期解全局稳定性充分性条件．