一类离散神经网络的全局指数同步探析

定义了离散型神经网络全局指数同步的概念,研究了一类离散型时滞神经网络的全局指数同步问题,给出了这类神经网络全局指数同步的充分性判据,判据的有效性可通过LMI工具箱得到检验.     

一类离散型网络全局指数同步研究

探讨了具有离散时滞的离散型神经网络系统,并给出了这类神经网络的全局指数同步的一个有效结论.     

一类随机离散神经网络全局渐近同步

研究离散型时滞随机神经网络的同步问题,考虑了参数不确定性,解决离散型分布时滞对神经网络同步问题的影响.基于主从同步的概念,设计一个有更广泛应用的控制器,应用Lyapunov稳定性理论和线性矩阵不等式工具箱,得到这类神经网络同步的充分性判据.最后给出实际例子,检验了判据的有效性.     

多重时滞离散神经网络的指数稳定性

论文研究了带有多重时滞的连续神经网络的离散模型.离散神经网络模型对于连续模型的实际应用及其数值计算具有十分重要的意义,不仅如此,它自身也有独特的动力学性质与广泛的应用领域.论文通过不动点理论等分析方法,在没有假设激励函数有界性和可微性的情况下,给出了系统的不动点存在唯一性和全局指数稳定性的充分条件.     

S-分布时滞随机BAM神经网络的指数同步

通过构造Lyapunov泛函,利用Ito公式以及随机分析的方法研究一类BAM神经网络的指数同步问题,给出了指数同步的新判据,举例说明了结果的实用性,推广了相关文献的结果。     

具有变耦合时滞的离散时间神经网络的同步

本文讨论一类具有变耦合时滞的离散时间神经网络的同步问题,通过构造Lyapunov-Krasovskii泛函,利用线性矩阵不等式(LMI),并结合Kronecker积来获得离散时间耦合神经网络全局指数同步的判据,所获得的判据依赖于时滞。该判据易于用MATLAB的LMI工具箱进行求解和验证,同时,对细胞激活函数做了更为一般的假设。     

时滞混沌神经网络的指数同步

本文研究了带有时滞混沌神经网络的指数同步问题,通过利用非线性回归控制和有效地控制定律,根据所给定的条件构造相应的线性矩阵不等式,得到了时滞神经网络的指数同步。这个方法比之前的线性控制方法更有效,数值结果进一步证明了该方法的有效性。     

时滞耦合随机神经网络全局指数同步

应用矩阵的Kronecker积、线性矩阵不等式及随机微分方程等有关工具,研究了一类具离散时滞与分布时滞的随机神经网络耦合大系统的均方全局指数同步问题.综合考虑了参数的不确定性、分布时滞、随机扰动、非线性耦合等的影响,并弱化了相关文献中激励函数为严格Lipshtz或Sigma型的假定,得到该耦合大系统均方全局指数同步的一些充分性判据.所得到的结果易于通过Matlab线性矩阵不等式工具箱(LMI)进行检验.     

含有非线性干扰的时滞竞争性神经网络指数同步

研究了含有非线性干扰的时滞竞争性神经网络的指数同步,基于利亚普洛夫稳定性理论、不等式技巧等,设计了一个简单的控制器,并获得了一些指数同步的充分条件;所得结论简单实际,可以推广到其他神经网络中;最后给出了一个数值模拟来说明结论的有效性.     

具有脉冲和变时滞的离散Cohen-Grossberg神经网络的全局指数同步

研究了一类具有脉冲和变时滞的离散Cohen-Grossberg神经网络全局指数同步问题.利用ρ-锥理论和微分不等式分析技巧,获得了保证其误差系统全局指数稳定的充分条件,同时也给出了同步指数收敛速率的估计.最后,列举一个例子表明我们所得结果的有效性.     

一类时滞混沌神经网络的全局渐近同步

应用驱动—响应同步方法,研究了一类时滞混沌神经网络的全局渐近同步问题.基于分散控制策略,通过构造适当的Lyapunov-Krasovskii泛函,给出了保证两个具有相同结构但初始条件不相同的时滞混沌神经网络全局渐近同步的控制律设计方法.所得到的控制律不仅易于实现,而且具有高可靠性等特点,克服了传统的集中控制的不足.仿真示例验证了该方法的有效性.     

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.     

具有脉冲效应复杂时滞动力网络的同步动力学与控制

从动力学和控制的角度考虑具有脉冲效应复杂时滞动力网络的同步动力学与控制问题。基于时滞动力系统的脉冲稳定性理论,给出了简单而又一般的网络同步化准则;并进一步将所得结果分别应用于由混沌时滞Hopfield神经网络和FHN神经元振子为动力节点所构成的具有脉冲效应无尺度(scale-free)结构复杂动力网络,数值模拟表明了所获理论结果的正确性。     

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。     

Stability Analysis for Stochastic Delayed High-order Neural Networks

In this paper, the global asymptotic stability analysis problem is considered for a class of stochastic high-order neural networks with tin.delays. Based on a Lyapunov-Krasovskii functional and the stochastic stability analysis theory, several sufficient conditions are derived in order to guarantee the global asymptotic convergence of the equilibtium paint in the mean square. Investigation shows that the addressed stochastic highorder delayed neural networks are globally asymptotically stable in the mean square if there are solutions to some linear matrix inequalities （LMIs）. Hence, the global asymptotic stability of the studied stochastic high-order delayed neural networks can be easily checked by the Matlab LMI toolbox. A numerical example is given to demonstrate the usefulness of the proposed global stability criteria.     

忆阻型模糊细胞神经网络在时滞脉冲控制下的全局指数同步

文章研究了忆阻型模糊细胞神经网络的全局指数同步控制问题。首先,通过采用Filippo解和可测选择理论将忆阻模糊细胞神经网络转化成一类参数不确定的神经网络,并给出一个新颖的不等式以解决模糊反馈连接权重的参数不确定问题;然后,通过设计时滞脉冲控制器,并结合李雅普诺夫函数法、脉冲不等式以及给出的新的不等式,得到驱动忆阻模糊细胞神经网络与响应忆阻模糊细胞神经网络在时滞脉冲控制下指数同步的结果;最后,通过数值模拟验证了理论结果的有效性。研究结果表明:采用合适的控制器,忆阻型模糊细胞神经网络的驱动-响应系统是可以达到指数同步的。     

一类带有时滞和时滞耦合复杂网络的脉冲同步

研究了耦合项和非线性项含有时滞的复杂网络的脉冲同步问题.根据可控的复杂网络达到同步时耦合项会自动消失,可以得到含有脉冲影响复杂网络的误差动态网络.根据脉冲微分方程的稳定性分析,建立合适的Lyapunov Krasovskii泛函,得到含有脉冲影响的复杂网络新的脉冲同步准则.最后,复杂网络的微分方程模型和误差系统仿真图说明了脉冲同步准则的有效性和正确性.