变时滞Cohen-Grossberg 随机神经网络的矩指数稳定性

本文讨论了随机变时滞Cohen-Grossberg神经网络的矩指数稳定性.利用Ito公式、时滞微分不等式和神经网络的特征,作者导出了这类神经网络矩指数稳定性的代数条件并给出了一个说明性实例.     

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.     

变时滞Cohen-Grossberg随机神经网络的矩指数稳定性

本文利用随机积分的伊腾公式,时滞微分不等式及随机时滞神经网络的特性 讨论变时滞Cohen-Grossberg随机神经网络的矩指数稳定性,实例证明本文结果的优越性.     

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。     

带时滞的Cohen-Grossberg神经网络的稳定性

文章讨论时滞Cohen—Grossberg神经网络的平衡点的稳定性．得到平衡点的指数稳定性的一个充分条件．另外，我们考虑的稳定性是鲁棒稳定的．对时滞项目的要求也仅仅是连续．文中的结论推广了一些已知的结果．     

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。     

脉冲时滞Cohen-grossberg神经网络的指数稳定性

分析了脉冲时滞Cohen-Grossberg神经网络的平衡点的存在唯一性及全局指数稳定性.利用Liapunov函数方法和同胚映射理论,结合积分不等式技巧,得到了保证脉冲时滞Cohen-Grossberg神经网络全局指数稳定性的一个新的充分判据.所得判据改进了前人的结果.     

具有分布时滞的脉冲Cohen-Grossberg神经网络的指数稳定性

利用非负矩阵的谱半径和M-矩阵的性质,以及不等式分析技巧研究了具有分布时滞和脉冲的Cohen-Grossberg神经网络,得到了其平衡点存在性和指数稳定性的充分判据,结果去掉了放大器函数αi(s)(i=1,2,…,n)的上界限制,从而推广了一些文献的结果.     

具有时变时滞的Cohen-Grossberg神经网络的稳定性

考查具有时间改变时滞的Cohen-Gmssberg神经网络的动力学性质,给出具有时间改变时滞的Cohen—Gwssberg神经网络的全局渐近稳定性的判据．     

具分布时滞的广义Cohen-Grossberg神经网络的指数稳定性

研究了具分布时滞的广义Cohen-Grossberg神经网络的动态性质.运用非线性测度和构造Lyapunov函数,获得了神经网络系统存在唯一平衡点且平衡点全局指数稳定的一个充分条件.这个条件与时滞无关.最后,给出了一个实例说明所得结论的有效性.     

脉冲时滞细胞神经网络系统的指数稳定性

讨论了一类具有时滞的脉冲细胞神经网络的全局指数稳定性。利用Lyapunov函数和不等式技巧得到了该系统全局指数稳定的一个充分条件,同时给出示例说明结果的有效性。     

具有变时滞的细胞神经网络的全局指数稳定性

研究具有可变时滞的细胞神经网络的全局指数稳定性问题,得出了可变时滞的细胞神经网络全局指数稳定性的几个充分条件.在实际应用中,设计验证满足这些条件很方便,甚至无须知道时滞的具体形式.因而具有重要的理论意义和应用价值.       

Cohen-Grossberg神经网络的指数稳定性

研究了Cohen-Grossberg神经网络模型的指数稳定性．运用非线性测度方法证明了神经网络平衡点的存在性和惟一性，接着通过构造一个新颖的Lyapunov泛函，得到了神经网络指数稳定的全新充分条件，并给出了解的指数衰减的精确估计．与已有文献相比，文中给出的条件更为宽松且易于验证．     

具有时延的Cohen-Grossberg神经网络的指数稳定性

利用不动点理论和时延不等式的方法研究了具有时滞的Cohen Grossberg神经网络模型dui(t)dt=ai(ui(t))bi(ui(t))-∑nj=1Tijfj(uj(t-τj)),i=1,2,…,n平衡点的稳定性问题.给出判定模型平衡点存在唯一性和全局指数稳定性的几个充分条件,这些条件取消了权矩阵(Tij)n×n对称性的假设,推广了已知文献的一些结果,使模型的应用范围更加广泛.     

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．     

可变时延神经网络的全局指数稳定性

利用Lyapunov泛函方法和线性矩阵不等式(LMI)技术,讨论了带有可变时延的神经网络的全局指数稳定性.通过引入一系列参数,给出全局指数稳定的平衡点的充分条件.实例表明给出的充分条件是有效、可行的.     

随机变时滞递归神经网络的几乎指数稳定性

研究了一类随机变时滞递归神经网络的几乎指数稳定性问题。利用Lyapunov函数方法和Ito公式,结合矩阵分析技巧,给出了系统几乎指数稳定的判别准则。数值例子说明了该结果的有效性。     

具有混合时滞的随机Cohen-Grossberg神经网络的稳定性分析

研究了均方意义下的具有时变时滞与分布时滞的随机Cohen-Grossberg神经网络的指数稳定性,利用It微分公式和Lyapunov泛函,得到了一个关于其指数稳定时滞无关的充分条件.具体实施方法是运用It微分公式沿所考虑的神经网络对构造的Lyapunov泛函进行微分,得到了系统稳定的代数判据.最后,通过一个数学样例说明了所得结论的有效性.目前文献尚未见同时具有时变时滞与分布时滞的随机Cohen-Grossberg神经网络的指数稳定性的相应结果,由于Cohen-Grossberg神经网络更具有代表性,其研究意义与应用前景不言而喻.     

高阶时滞神经网络模型的全局指数稳定性

对具有时滞的二阶Hopfield型神经网络平衡点的全局渐近稳定性问题进行了研究.在不要求连接权矩阵的对称性和输入输出函数的可微性与单调性,只要求系统的参数满足是一个M矩阵的情况下,利用推广的Hanalay不等式和上右导数导得系统全局指数稳定性的若干充分条件.为二阶时滞神经网络稳定性的新方法、新结论.     

变时滞随机模糊细胞神经网络的均方指数稳定性研究

研究变时滞随机模糊细胞神经网络的均方指数稳定性,利用Ito公式及Lyapunov泛函方法得到其均方指数稳定的判据,并举例说明了理论结果的有效性.