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.     

Sigmoid型静态连续反馈神经网络的临界全局指数稳定性

本文致力于研究Sigmoid型静态连续反馈神经网络在临界条件下的全局指数稳定性.我们利用矩阵测度理论证明:对于该类型神经网络,若其满足临界条件,即存在正定矩阵Γ,使得由网络所确定的判别矩阵S(Γ,L)半正定,则网络具有唯一平衡态y~*,且当y~*不为某一给定点时,y~*在R~N上全局指数稳定.所获结论在不增加附加条件的情况下一致地推广了已知Sigmoid型连续反馈神经网络的非临界指数稳定性结论,同时是已有临界稳定性结果的极大统一和延伸.     

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.     

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.     

具有变时滞的神经型Hopfield神经网络的全局吸引子研究

该文探讨了一类具有变时滞的非线性及非自治的神经型Hopfield神经网络的渐近性质.利用非负矩阵的性质和矩阵不等式,得到了保证该系统全局吸引集存在和Lagrange稳定性的充分条件.最后,给出一个例子说明理论的有效性.     

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.     

带有时变时滞的中立型神经网络的鲁棒指数稳定性

研究一类带有时变时滞的中立型神经网络的全局指数稳定性问题.通过构造LyapunovKrasovskii泛函并使用线性矩阵不等式方法,建立了保障时滞神经网络全局指数稳定的新的时滞相关充分条件.这些条件用线性矩阵不等式表达.进一步,文章对一类不确定时滞中立型神经网络给出了鲁棒全局指数稳定的新判据.     

具有混合时滞的中立型Hopfield神经网络的概周期解

研究一类具有混合时滞的中立型Hopfield神经网络概周期解.通过运用指数二分性及不动点定理,获得了其概周期解的存在性与全局指数稳定性的充分条件,所得结果是新的,并且推广和改进了已有文献的相关结果.     

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.     

具有扩散影响的Hopfield型神经网络的全局渐近稳定性

对具有扩散影响的Hopfield型神经网络平衡点的存在唯一性和全局渐近稳定性进行了研究．在激活函数单调非减、可微且关联矩阵和Liapunov对角稳定矩阵有关时,利用拓扑度理论得到了系统平衡点存在的充分条件．通过构造适当的平均Liapunov函数,分析了系统平衡点的全局渐近稳定性．所得结论表明系统的平衡点(如果存在)是全局渐近稳定的而且也蕴含着系统的平衡点的唯一性．     

具有周期输入Hopfield型神经网络的全局渐近性质

在不假定非线性激励函数有界和可微的条件下,应用Mawhin的重合度理论及Liapunov函数法给出一类具有周期输入的Hopfield型神经网络存在周期解及其全局指数稳定的充分条件。     

具有时滞的一般型脉冲神经网络的指数稳定性

讨论具有时滞的一般性脉冲神经网络的稳定性.在不假定激励函数有界或可导的前提下,利用非光滑分析和Lyapunov泛函,得到了这类神经网络系统平衡点的存在唯一性和全局指数稳定性判别准则.作为特例,得到了Hopfield神经网络,时滞细胞神经网络,双向联想记忆神经网络的平衡点的存在唯一性和全局指数稳定性判定定理.     

中立型驱动反应BAM 神经网络的全局渐近同步性

针对一类具有时滞的中立型驱动反应BAM神经网络,提出全局渐近同步性问题.不使用现有文献中传统的李雅普诺夫泛函、矩阵测度和线性矩阵不等式(LMI)等已被广泛应用于研究神经网络全局渐近同步性的方法,而是通过构造2个微分不等式U 1(t)和U 1(t),利用微分不等式方程和不等式技巧解出2个不等式,得到能够确保中立型驱动反应BAM神经网络全局渐近同步的两个新的充分条件.     

求解二次规划问题的离散时间神经网络的收敛性分析

对求解二次规划问题的离散时间神经网络的收敛性进行了分析,通过选取适当的李雅普诺夫函数给出了网络全局收敛的充分条件,并在该条件下研究了网络的收敛速度,分别对问题的不等式约束左矩阵行满秩和非行满秩的情况进行了讨论,得到了在上述充分条件下对于不等式约束左矩阵行满秩和非行满秩的问题均有网络指数收敛的结论,通过仿真验证了结论的正确性.     

分布时滞反应扩散Hopfield神经网络的全局指数稳定性

利用拓扑度理论和广义Halanay不等式研究了分布时滞反应扩散Hopfield神经网络的平衡点的存在性及全局指数稳定性.给出的判别指数稳定性的代数判据易于验证,具有广泛适用性.     

时滞Hopfield神经网络的全局指数稳定性

讨论带有可变时滞的Hopfield神经网络的全局指数稳定性.在非线性激励函数满足Lipschitz条件的假设下,利用推广的Halanay不等式,Dini导数和分析技巧,建立了这类神经网络系统全局指数稳定的几个判别准则.这些判别准则仅仅依赖于系统的参数.     

带有比例时滞的复值神经网络全局指数稳定性

研究了带有比例时滞的复值神经网络全局指数稳定性问题.借助向量Lyapunov函数思想和同胚映射原理,并使用M-矩阵理论和不等式技巧,建立了网络平衡点存在性、唯一性和全局指数稳定性的判定条件.     

一类具分布时滞的Hopfield网络模型的概周期解存在性与稳定性

利用Banach空间压缩不动点定理和微分不等式的分析技巧,研究一类具分布时滞的Hopfield神经网络模型的概周期解的存在性和稳定性。得到了系统存在概周期和全局指数稳定的新的充分条件。所得结果改进和推广了相关文献的结论。     

BP模式识别与Hopfield联想记忆识别能力的比较

神经网络可以进行模式识别,这一功能具有很高的实用价值.主要研究BP神经网络和离散Hopfield神经网络的识别能力.BP网络是前向神经网络,使用的是监督式学习规则.离散Hopfield是一种反馈网络,结构上输入、输出节点相连使得网络系统的输出状态具有动态变化特性.就数字,字母,手写体数字比较了BP网络和离散Hopfield网络的识别能力,得到了可观的结论,对两个网络的应用做更进一步的阐述.     

具有变时滞和脉冲效应的Hopfield神经网络的全局指数稳定性

讨论了一类具有变时滞和脉冲效应的Hopfield神经网络模型．利用按段连续的向量Liapunov思想方法,研究了脉冲时滞神经网络的全局指数稳定性．例子及其数值仿真说明了结果的有效性．推广和改进了已有文献的一些结果．