具有时滞的抑制细胞神经网络的周期解的存在性和全局指数稳定性

By using the Leray-Schauder fixed point theorem,differential inequality techniques and constructing suitable Lyapunov functional,several sufficient conditions are obtained for the existence and global exponential stability of periodic solutions for general shunting inhibitory cellular neural networks with delays.Some new results are obtained and some previously known results are improved.An example is employed to illustrate our feasible results.     

具有随机隐单元的渐增前馈神经网络的$L^2(R^d)$逼近能力

This paper studies approximation capability to L2(Rd) functions of incremental constructive feedforward neural networks(FNN) with random hidden units.Two kinds of therelayered feedforward neural networks are considered:radial basis function(RBF) neural networks and translation and dilation invariant(TDI) neural networks.In comparison with conventional methods that existence approach is mainly used in approximation theories for neural networks,we follow a constructive approach to prove that one may simply randomly choose parameters of hidden units and then adjust the weights between the hidden units and the output unit to make the neural network approximate any function in L2(Rd) to any accuracy.Our result shows given any non-zero activation function g :R+→R and g(x Rd) ∈ L2(Rd) for RBF hidden units,or any non-zero activation function g(x) ∈ L2(Rd) for TDI hidden units,the incremental network function fn with randomly generated hidden units converges to any target function in L2(Rd) with probability one as the number of hidden units n→∞,if one only properly adjusts the weights between the hidden units and output unit.     

具有脉冲的BAM型神经网络概周期解的存在性与稳定性

This paper discusses a class of the bidirectional associative memories（BAM） type neural networks with impulse.By using the Banach fixed point theory and some analysis technology,we obtain the existence of almost periodic solution and stability under some sufficient conditions.     

具有变时滞的离散切换系统的时滞依赖稳定性的新判据

This paper deals with the issues of robust stability for uncertain discrete-time switched systems with mode-dependent time delays.Based on a novel difference inequality and a switched Lyapunov function,new delay-dependent stability criteria are formulated in terms of linear matrix inequalities （LMIs） which are not contained in known literature.A numerical example is given to demonstrate that the proposed criteria improves some existing results significantly with much less computational effort.     

非线性中立型延迟微分方程线性Θ-方法的渐近稳定性

1引言近年来,众多学者致力于中立型延迟微分方程算法理论的研究．对线性中立型延迟微分方程数值方法的研究已有众多成果,如文献[2,6-8,11]等．由于存在实质性困难,非线性中立型延迟微分方程数值方法理论研究的文献较少．1997年,Koto在实空间R~d中研究了Natural Runge-Kutta方法关于一类非线性中立型延迟微分方程的渐近稳定性．2000年,Bellen等讨论了连续Runge-Kutta方法关于一类较为特殊的非线性中立型延迟微     

具有脉冲和无限时滞的模糊细胞神经网络的全局指数稳定性

In this paper,the global exponential stability of fuzzy cellular neural networks with impulses and infinite delays is investigated.Based on an impulsive delayed integro-differential inequality and the properties of fuzzy logic operation and M-matrix,an easily verified sufficient condition is obtained.Moreover,the exponential convergent rate for the fuzzy cellular neural networks with impulses and infinite delays is also given.An example is given to illustrate the effectiveness of our theoretical result.     

基于LMI方法的多时滞随机神经网络的指数稳定性

研究了一类具有多个时滞的随机神经网络的均方指数稳定性问题,应用Lyapunov-Krasovskii泛函稳定理论和线性矩阵不等式(LMI)方法,建立了该系统解的指数稳定判别准则,最后通过数值举例阐述了结果的有效性.     

离散神经网络指数稳定改进条件

研究了一类时滞离散神经网络指数稳定及鲁棒稳定问题.结合线性矩阵不等式技术,构造了一个新的广义李亚普诺夫函数,得到了新的指数稳定条件.数值算例表明与以往文献中的结果相比,新准则具有较弱的保守性.     

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.     

时变时滞BAM神经网络系统的指数稳定性分析

利用Lyapunov稳定性理论和线性矩阵不等式技术,得到了保证时变时滞BAM神经网络系统指数稳定性的时滞依赖稳定性准则.所给的准则可用Matlab中的LMI控制工具箱进行验证.仿真实例进一步说明了结果的有效性.     

具有变时滞脉冲效应的Hopfield神经网络的全局指数稳定性

研究了一类新的具有脉冲的时滞Hopfield神经网络系统模型,引入了新的脉冲条件,在不假设激励函数的可微性、单调性的条件下,得到了系统平衡点的存在性、唯一性及全局指数稳定性的充分条件和指数收敛速率,且所得结果改进了一些已知文献的结论.     

一类分数阶Hopfield神经网络的鲁棒指数稳定性

本文研究了一类具有Caputo导数的分数阶Hopfield神经网络的鲁棒指数稳定性, 得到了保证其鲁棒指数稳定性的一些充分条件. 最后利用数值仿真验证了结论的正确性和有效性.     

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.     

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。     

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.     

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.