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.     

脉冲干扰时滞复值神经网络的稳定性分析

为分析脉冲干扰因素对复值神经网络动态行为的影响,研究一类具有混合时滞和脉冲干扰的复值神经网络的平衡点的全局指数稳定性.在假定神经元状态、激活函数以及关联矩阵定义在复数域的情况下,利用M矩阵理论、向量Lyapunov函数法以及数学归纳法,分析确保该系统平衡点的存在性、唯一性以及全局指数稳定性的充分条件,并给出了指数收敛率,最后通过一个数值仿真算例验证了所得结论的正确性.结果表明:时滞和脉冲干扰均会降低神经元状态的指数收敛速度,所建立的稳定性判据推广了现有结论.     

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。     

多时滞反应扩散Cohen-Grossberg神经网络的稳定性

研究了一类具有反应扩散项的时滞Cohen—Grossberg神经网络模型利用拓扑度理论和Lyapunov函数方法，研究了此类系统平衡点的存在性及全局指数稳定性，给出了判定定理．     

一类具有收获的放牧系统的全局稳定性

研究了一类具有收获的放牧系统,对系统的平衡点进行了定性分析.通过构造Lyapunov函数,得到了系统正平衡点全局稳定的充分条件.     

一类脉冲控制的时滞模糊Cohen-Grossberg神经网络系统的全局指数稳定性分析（英文）

对一类具有分布时滞和脉冲控制的模糊Cohen-Grossberg神经网络系统进行了研究.运用不等式技巧讨论了该系统平衡点的存在性、唯一性和全局指数稳定性并得到了一些充分条件.本模型的脉冲控制条件更具一般性和适用性.     

一类具反馈控制的偏利模型平衡点的稳定性

研究一类具有反馈控制变量和出生率具有密度制约的偏利共生模型的平衡点稳定性.首先通过分析系统的平衡点,得到系统正平衡点和边界平衡点存在的条件; 其次通过构造适当的Lyapunov函数,得到在一定条件下系统的正平衡点和边界平衡点是全局稳定的; 最后利用数值模拟验证了所得结果的正确性.     

具有时滞的通有连续时间神经网络的指数稳定性

研究了具有时滞的通有连续时间神经网络的稳定性问题;利用常数变易法并结合不等式分析技巧,获得了具有时滞的通有连续时间神经网络的平衡点全局指数稳定和全局k-指数稳定的判别准则;推广了文献[1]的主要结果。     

具有一般接触率的SIR模型的全局稳定性分析

建立了具有一般接触率的SIR（Susceptble-Infected-Removed）传染病模型，结合具有常数移民和指数出生的一般情形对所建传染病模型进行了分析研究，给出了基本再生数R0，当R0≤1时，无病平衡点全局渐近稳定；当R0〉1时，无病平衡点不稳定并且地方病全局渐近稳定．     

含扩散项时滞模糊Cohen-Grossberg神经网络的指数稳定性

文章讨论了一类含扩散项的混合时滞模糊Cohen-Grossberg神经网络,通过一些基本分析手段和不等式技巧,得到了平衡点的唯一性和全局指数稳定性的充分条件,通过实例模型验证了指数稳定性。     

变系数时滞神经网络的周期解与稳定性

针对具有实际应用价值的时滞周期时变系数的Hopfield神经网络系统,利用了Lyapunov函数法并结合不等式分析技巧,证明了系统的解是有界的,得到了系统周期解的存在准则及平凡解指数稳定的充分条件。     

通有连续时间神经网络的K-稳定性

研究了具有时滞的通有连续时间神经网络的K-稳定性问题;利用常数变易法,通过应用不等式分析技巧和微分方程性质,获得了具有时滞的通有连续时间神经网络的平衡点的K-全局渐近稳定性与K-全局指数稳定性的易于验证的时滞相关充分条件,通过实例验证了该充分条件的有效性。     

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.     

基于忆阻时滞神经网络的耗散研究

针对一类基于忆阻时滞神经网络的耗散问题,提出一种结合倒凸技术和Wirtinger积分不等式的耗散方法。首先,应用微分包含和集值映射理论,将忆阻时滞神经网络转化成传统的时滞神经网络;接着,构造含有时滞系数的状态向量2次项和3重积分项的Lyapunov-Krasovskii泛函（LKF）,应用倒凸技术和Wirtinger积分不等式估计LKF微分,得到了确保时滞神经网络严格耗散的时滞依赖条件,这些条件可以用线性矩阵不等式形式表示并且易于用Matlab软件实现。将该方法推广到研究时滞神经网络无缘分析问题中。在数值例子中,针对不同的时滞变化率上界,与现有文献的最优耗散性能指标进行比较,实验结果表明,本文方法将其提高了5%。另外,在相同时滞条件下,仿真分别给出了神经网络系统有外部输入和无外部输入的状态轨迹,由仿真结果可以看出外部输入的存在的确破坏系统稳定性。     

时变时滞及中立型时滞大系统的稳定条件

应用大系统的分解方法和一个不等式对具有时变时滞与连接时滞的两类系统进行了研究,给出了其渐近稳定的充分条件,并对一类中立型时滞大系统进行了讨论,利用常数变易法及对系统微分方程解的直接估计,获得了一个关于此系统解的指数稳定的判别方法,对这两类系统的讨论都是在具有连接时滞与变时滞的复杂情况下进行,得到了与以前的文献不同的结果.     

神经网络DMC在基于FF现场总线的过程控制系统中的应用

针对时滞系统的特点和采用动态矩阵控制存在的不足之处,提出利用Mat-lab7.0 OPC工具包实现与定制的OPC服务器间通讯来实现BP神经网络动态矩阵控制方案,充分发挥了FF现场总线易于调度及抗干扰能力强的特点以及BP神经网络动态矩阵控制的控制能力强,响应速度快和比动态矩阵控制更好的控制效果的优势。     

神经网络自适应逆控制的仿真研究

将神经网络引入逆控制,提出了一种基于神经网络的自适应逆控制。该控制结构主要有两个子神经网络组成,其中一个用于对系统进行辨识,另一个子网络实现对模型的逆作为控制器,从而构成自适应的逆控制。将其应用于热工系统中并进行大量仿真研究,结果表明针对不同的热工对象,该控制系统都能有效的克服扰动,适应环境及参数的变化,表现出良好的鲁棒性和控制精度。     

K子空间和时延自相关器的英汉音素识别

提出了用于音素识别的K子空间和时延自相关器神经网络结构,用将时延设计加入线性自相关器,以扩展音素滤波神经网络的方法,产生p维子空间,并采用迭代过程修改划分,以便捕获语音信号中的时间序列信息。这种带不分类训练过程的体系结构提供了一种高识别性能的方法,没有大多数常规语音识别神经网络所常有的网络输出值不表示候选者似然性的缺陷。通过英语音素和汉语音素的初步试验,识别正确率为84.38%,比音素滤波神经网络方法好。     

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。