双向联想记忆(BAM)神经网络系统的指数稳定性

研究一类具有分布时滞的双向联想记忆(BAM)神经网络系统的指数稳定性.通过构造合适的Lyapunov泛函并利用不等式分析技巧,得到了保证系统平衡点全局指数稳定的充分条件.所得结果是新的,不同于先前已有的一些结果.最后通过数值例子说明了所得结果的可行性和有效性.     

分布时滞模糊BAM神经网络模型的指数稳定性

详细介绍了一类具分布时滞的模糊BAM（Bi·direction Associate Memory）神经网络模型．在合适的条件下,通过数学分析技巧和压缩映像原理,证明了模型平衡点的存在唯一性;通过构造Liapunov泛函,利用Lipschitz激励函数性质,获得了平衡点的指数稳定性．     

时变时滞BAM神经网络系统的时滞依赖指数稳定性准则

基于Lyapunov稳定性理论和线性矩阵不等式技术，针对一类时变时滞BAM神经网络系统给出了时滞依赖的指数稳定性准则。所得到的条件可用Matlab中的LMI控制工具箱方便的求解。仿真实例进一步说明了结论的有效性。     

BAM神经网络的稳定性分析

研究BAM神经网络的理论,并讨论其稳定性,从而得到了它能纠错的结论.     

时滞BAM神经网络的全局稳定性

利用李雅普诺夫泛函方法并结合一些分析技巧获得了时滞BAM神经网络平衡点全局渐近稳定和全局指数稳定的充分条件，这些条件对设计全局渐近稳定的BAM神经网络和全局指数稳定的BAM神经网络具有重要意义．     

脉冲时滞BAM神经网络稳定性研究

研究了带有脉冲的时滞双向联想记忆(BAM)神经网络的稳定性问题.通过对网络系统的研究,根据脉冲的特点,采用Lyapunov稳定性理论和一些矩阵分析的技巧,得到了脉冲时滞BAM神经网络的稳定性结论,其中包括稳定点的唯一性判据和稳定性的判据,说明脉冲时滞BAM神经网络的稳定性问题是网络本身的特性,最后通过数值算例验证了论文的可行性和有效性.     

时滞神经网络模型全局渐近稳定性的一个新的充分条件

运用Ｌｙａｐｕｎｏｖ泛函方法,讨论了一类具有时滞的神经网络模型ｄｕｉ（ｔ）／ｄｔ＝－ｂｉｕｉ（ｔ）＋ｎ∑ｊ＝１ωｉｊｆ（ｕｊ（ｔ－τｊ））＋ｐｉ（ｉ＝１,２,．．．,ｎ）平衡点的全局渐近稳定性,获得了一个新的充分条件。     

随机时滞BAM神经网络的全局散逸性

把不确定性因素考虑到双向联想记忆神经网络(BAM)中, 得到一类带Brown运动的随机时滞双向联想记忆神经网络(BAM)模型. 在激活函数有界的条件下, 研究了随机时滞BAM神经网络的全局散逸性. 通过Lyapunov泛函、Jensen不等式和It 公式等, 讨论了随机时滞BAM神经网络系统均方散逸的充分条件, 给出了该系统散逸的吸引集. 通过数值例子对所给出的结论进行了验证.     

具有加性时变时滞神经网络的稳定性分析

讨论了具有加性时变时滞的神经网络模型的稳定性,得到了新的稳定性判据.在构造包含三重积分项的新Lyapunov泛函的基础上,利用新的不等式,采用时滞分割方法,并结合其他分析技巧,得到了保守性较低的线性矩阵不等式稳定性条件.最后,通过2个数值实例,验证了方法的有效性和结果的优越性.     

反应扩散BAM神经网络的全局指数稳定性

利用拓扑度技巧、 M-矩阵和变分理论, 得到了考虑扩散因素在内的双向联想记忆人工神经网络系统的全局指数稳定性判定定理. 结果表明, 所给判据得出的指数稳定收敛速率估计比传统结果更精细.     

变时滞高阶BAM神经网络的稳定性

文章研究高阶BAM神经网络的稳定性,运用Brouwer不动点定理以及Lyapunov泛函方法,得到周期解的存在唯一性和稳定性．     

反应扩散变时滞细胞神经网络的稳定性

利用构造Lyapunov函数的方法讨论了带反应扩散项的变时滞细胞神经网络全局指数稳定性.在输出响应函数有界且满足Lipschitz条件和系统满足文章所给的条件下,得到了判定该类网络解的全局指数稳定性.     

时滞依赖的变延时细胞神经网络的指数稳定性

细胞神经网络(CNNS)由于有许多重要的应用价值，所以它的稳定性分析一直是神经网络领域里的一个重要课题．近年来，神经动力系统的定性分析吸引了众多学的关注．在神经网络的电子器件实现中，出现了许多问题，诸如：转换延时，积分器，连接延时等．在这种情况下，在系统模型中一定要引进一个延时参数．要制造高质量的微电子神经网络，研究带有延时的神经动力行为是特别重要的．献[1～11]研究了时滞神经网络的全局稳定性；献[5，9，12，13]给出了有关延时细胞神经网络(DCNNs)全局稳定的充分条件，但是在这些章中，细胞的输出函数要求是一个分段线性函数并且延时是一个常量；献[10，13]虽然不再要求细胞的输出函数为分段线性函数，但是仍要求它的延时项是一个常数．在Lyapunov稳定性理论及矩阵不等式的基础上，给出了一个保证变延时细胞神经网络平衡点存在唯一并且全局指数稳定的充分条件．这个条件对参数变延时做了一个限制．给出了一个具体的数值例子及其仿其结果来说明我们结果的可行性．     

多时变时滞细胞神经网络的全局指数稳定性

针对一类多时变时滞细胞神经网络,利用Young不等式和Halanay不等式技术,给出了保证平衡点惟一性和全局指数稳定性的几个充分判据.所得到的全局指数稳定判据完全独立于时滞,不要求时变时滞的可微性和神经元激励函数的严格单调性,且通过几个注释说明本文的结果改进和扩展了现有一些文献中的结果.仿真例子证明了本文结果的有效性.     

具有时滞的双向联想记忆神经网络的鲁棒稳定性

应用线性矩阵不等式技术研究了时滞双向联想记忆神经网络的平衡点稳定性问题.针对存在参数不确定的时滞双向联想记忆神经网络,根据Lyapunov稳定理论,通过构造适当的Lyapunov-Krasovskii泛函,给出了保证双向联想记忆神经网络平衡点全局鲁棒稳定的两个新判据.所得到的结果能够表示成线性矩阵不等式形式,具有易于验证和独立于时变时滞幅值大小等特点.对于慢时变时滞的情况,当时滞幅值较大时,所得结果具有较小的保守性.通过一个仿真例子表明了所得结果的有效性.     

BAM神经网络周期解的存在性及全局稳定性

讨论了具有分布时滞的双向联想记忆(BAM)神经网络的动力学行为。利用迭合度理论的延拓定理和分析技巧,得到了周期解的存在性和全局稳定性的充分条件,对设计这种类型的神经网络具有重要意义。     

带有时变时滞的惯性神经网络的同步

研究了带有时变时滞的惯性神经网络的同步问题。利用一个适当的变量变换将原始系统转换为一阶微分系统,构造了含有矩阵Kronecker积的Lyapunov-Krasovskii泛函(Lyapunov-Krasovskii functional, LKF),应用Jensen不等式、倒凸不等式和线性矩阵不等式(linear matrix inequality, LMI)技术来估计LKF的导数,得到了一个新的LMI形式的同步判据并基于同步判据给出了一个误差反馈控制器的设计方法。数值仿真例子验证了所得结果的有效性。     

离散分布时滞随机神经网络的稳定性

主要研究了具有分布时滞的随机系统的全局指数鲁棒稳定性,依据李雅普诺夫方法和线性矩阵不等式的方法,得到了参数不确定时滞相关的全局均方指数稳定性准则,数值实例演示证明其结果的有效性和可行性.