Mean square stability of recurrent neural networks with random delay and Markovian switching

To establish easily proved conditions under which the random delayed recurrent neural network with Markovian switching is mean-square stability,the evolution of the delay was modeled by a continuous-time homogeneous Markov process with a finite number of states.By employing Lyapunov-Krasovskii functionals and conducting stochastic analysis,a linear matrix inequality (LMI) approach was developed to derive the criteria for mean-square stability,which can be readily checked by some standard numerical packages such as the Matlab LMI Toolbox.A numerical example was exploited to show the usefulness of the derived LMI-based stability conditions.     

反馈型CNN解的稳定性

研究了具有时滞的反馈型细胞神经网络,利用李雅普诺夫函数、常数交易法以及不等式分析技巧,证明了具有时滞的反馈型细胞神经网络的解的有界性,同时给出了任意解全局指数稳定和渐近稳定的充分条件。     

多比例时滞细胞神经网络的全局一致渐近稳定性

对一类具多比例时滞细胞神经网络进行研究, 利用变换zi(t)=yi(et) 将具多比例时滞细胞神经网络变换成变系数常时滞的细胞神经网络. 通过构造合适的Lyapunov泛函, 给出了几个保证该系统全局一致渐近稳定的时滞独立的充分条件, 并给出例子验证所得结论的正确性.     

随机型细胞神经网络的稳定性

借助于李雅谱洛夫理论、矩阵分析方法和Itô公式,结合不等式分析技巧,研究了随机细胞神经网络系统的均方指数稳定性,给出了系统的解的二阶矩Liapunov指数估计式和均方指数稳定的充分条件。     

变时滞神经网络鲁棒稳定的一个新判据

研究了一类变时滞区间细胞神经网络的全局渐近鲁棒稳定性。基于非负矩阵理论和Lyapunov-Razumikhin分析方法,得到了变时滞区间细胞神经网络全局渐近鲁棒稳定的一个充分条件,该条件与时滞参数无关且易于验证。理论分析和数值例子表明所得条件推广了已有文献中得到的两个相应的结果,是对区间神经网络鲁棒稳定性研究的有效补充。数值例子和相应的计算机仿真验证了所得结果的有效性。     

具有参数不确定、干扰、混合时变时滞的随机细胞神经网络的鲁棒稳定性及H∞控制

研究了一类具有离散与分布时滞的不确定随机模糊细胞神经网络在外部干扰下的鲁棒稳定性和控制,在不确定性项范数有界的条件下,通过构造Lyapunov泛函,运用Ito公式,给出了系统鲁棒稳定和控制的充分条件,并给出实例验证了结论的可行性。     

具有离散和分布时滞的中立型细胞神经网络的全局渐近稳定性

文章研究了一类具有离散和分布时滞的中立型细胞神经网络的全局渐近稳定性问题,首先利用拓扑度原理等相关知识,证明了系统的平衡点的存在唯一性,然后通过构造Lyapunov—Krasovskii泛函,得出了具有离散和分布时滞的中立型神经网络系统的平凡解的全局指数稳定性的判别条件。     

模糊细胞神经网络系统鲁棒稳定性分析

采用Lyapunov稳定理论,通过构造Lyapunov函数方法研究具有变时滞模糊神经网络系统鲁棒稳定性,给出了具有变时滞模糊神经网络系统鲁棒渐近稳定性的充分条件.     

一类具有时滞的投影神经网络系统的指数稳定性

文章研究了一类具有时滞的投影神经网络的稳定性问题,根据这类神经网络的特点,将神经网络的状态变量进行分块,通过构造Lyapunov泛函,导出了神经网络系统指数稳定性的充分条件,在适当的初始条件下,给出的稳定性条件与分块矩阵的某些块无关,表明我们所获得的条件的优越性。     

具有混合时滞模糊神经网络的全局指数稳定性分析

主要研究一类具有混合时滞的模糊神经网络.运用不动点定理,M-矩阵理论和一些分析技术,得到了唯一平衡点存在和全局指数稳定的充分条件.实例证明了所得结果的有效性.     

含脉冲的变时滞静态神经网络的渐近稳定性

研究了变时滞的静态神经网络在含有脉冲情况下的稳定性.通过构造恰当的Laypunov泛函,利用线性矩阵不等式方法,证明了该模型在延迟依赖条件下的全局渐近稳定性.同时考虑了时滞和脉冲的影响,因而考虑的情况更具普遍性,适用的范围更广.仿真实例说明所得结果适用范围宽、保守性小、易于验证.     

具时滞离散递归神经网络的全局指数稳定性

研究了一类具时滞离散递归神经网络平衡点的全局指数稳定性问题.对连续有界激活函数做扇形非线性条件假定,用Lyapunov-Krasovskii稳定性理论和线性矩阵不等式方法,得到了具时滞离散递归神经网络模型在平衡点全局指数稳定的一些充分条件.数值例子说明了本文结果的有效性.     

Stability switches and bifurcation analysis in a coupled neural system with multiple delays

A coupled neural system with multiple delays has been investigated. The number of equilibrium points is analyzed. It implies that the neural system exhibits a unique equilibrium and three ones for the different values of coupling weight by employing the pitchfork bifurcation of the trivial equilibrium point. Further, the local asymptotical stability of the trivial equilibrium point is studied by analyzing the corresponding characteristic equation. Some stability criteria involving multiple delays and coupling weight are obtained. The results show that the neural system exhibits the delay-independent and delay-dependent stability. Increasing delay induces stability switching between resting state and periodic motion in some parameter regions of coupling weight. In addition, the criterion for the global stability of the trivial equilibrium is also derived by constructing a suitable Lyapunov functional. Finally, some numerical simulations are taken to support the theoretical results.     

延迟离散Hopfield型网络的异步收剑性

延迟离散Hopfield型网络是离散Hopfield网络的一种推广,研究了非对称的延迟离散Hopfield型神经网络的异步收剑性,并给出了相应的收剑性定理,所获结果推广了已有的结论。     

G?布朗运动驱动的时滞神经网络的稳定性分析

研究一类由G?布朗运动驱动的时滞神经网络(G?DNN)的稳定性问题. 实际中噪声并不总是服从正态分布,为更好地描述实际情形,采用G?布朗运动来描述噪声,分析G?布朗运动噪声的离散观测值对时滞神经网络稳定性的影响. 针对指数稳定的时滞神经网络,引入由G?布朗运动驱动的随机噪声,并利用G?随机分析理论、Gronwall不等式、Borel-Cantelli引理等,给出随机噪声强度的上界,使得在噪声强度少于该上界的情形下随机时滞递归神经网络的稳定速度大于原来神经网络的稳定速度. 进一步分析噪声在离散的情形下随机时滞递归神经网络的稳定性问题. 借助G?It?公式、放缩技巧及一些基本不等式,得到能进一步加快随机时滞递归神经网络指数稳定速度的噪声离散步长的上界. 通过实例验证了理论结果的有效性.     

Finite-time stabilization of uncertain delayed-hopfield neural networks with a time-varying leakage delay via non-chattering control

This article is concerned with the finite-time stabilization(FTSB) of a class of delayed-Hopfield neural networks with a timevarying delay in the leakage term in the presence of parameter uncertainties. To accomplish the target of FTSB, two new finitetime controllers are designed for uncertain delayed-Hopfield neural networks with a time-varying delay in the leakage term. By utilizing the finite-time stability theory and the Lyapunov-Krasovskii functional(LKF) approach, some sufficient conditions for the FTSB of these neural networks are established. These conditions, which can be used for the selection of control parameters,are in the form of linear matrix inequalities(LMIs) and can be numerically checked. Additionally, an upper bound of the settling time was estimated. Finally, our theoretical results are further substantiated by two numerical examples with graphical illustrations to demonstrate the effectiveness of the results.     

Dynamic analysis of stochastic delayed cellular neural networks

Cellular neural networks(CNNs) was introduced byChua and Yang in 1988[1]. This model has attracted in-creasing interest due to its important applications, suchas static image, solving nonlinear algebraic equations,etc. Such applications heavily depend on the dynamicalbehaviors. Thus, the analysis of the dynamical behaviorssuch as stability is a necessary step for practical designof neural networks. Recently, many scientific and tech-nical workers have joined the study fields with great in-te…     

时滞中立型神经网络全局渐近稳定性

针对具有时变时滞的中立型Hopfield神经网络,在对时变时滞的合理假设下,文中通过构造适当的Lyapunov泛函,提出了一种新的方法判定时变时滞中立型Hopfield神经网络系统的全局一致渐近稳定性。所得判据是建立在一个代数Riccati方程及其对应离散Lyapunov方程存在对称正定解之上的,并得出了易于计算机仿真实现的线性矩阵不等式的判据形式,仿真验证了结果的有效性。     

时变时滞细胞神经网络的同步研究与仿真

分析时变时滞的细胞神经网络全局渐近稳定性问题,确定时变时滞细胞神经网络平衡点全局渐近稳定的新充分判定准则。通过研究时滞细胞神经网络模型、系统激励函数所需满足的条件及需要的引理,讨论时滞细胞神经网络的全局渐近稳定性,所得条件与时滞相关,并用实例验证所得的稳定性条件是有效的.     

延迟离散Hopfield神经网络的动态行为

主要研究带有延迟项的离散Hopfield神经网络动态演化行为. 给出了延迟网络并行收敛于周期小于等于2的极限环的一些条件. 同时,得到了延迟网络收敛于周期为2的极限环的条件. 而且对所获结果通过例子进行了验证. 这些结果为延迟离散Hopfield神经网络的进一步分析和应用提供了一定的理论基础.