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.     

多时变时滞细胞神经网络的全局渐近稳定

研究了多时变时滞细胞神经网络的全局渐近稳定问题。给出了多时变时滞细胞神经网络平衡点唯一性和全局渐近稳定的几个新充分判据。所研究的网络模型扩展了现有的同类网络模型,而且所得到的这些新稳定判据考虑了神经元激励和抑制的影响,且能够表示成线性矩阵不等式的形式,易于用现有的内点算法等方法验证。通过2个注释说明了所得结果的有效性。     

Exponential stability and periodic solutions of delayed cellular neural networks

A set of criteria are presented for the global exponential stability and the existence of periodic solutions of delayed cellular neural networks (DCNNs) by constructing suitable Lyapunov function-als, introducing many parameters qij* , rij* , qij, rij∈ R and wi>0 (i, j = 1, 2, …, n) and combining them with the elementary inequality 2ab≤a2 b2 technique. These criteria have important significance in the design and applications of globally stable DCNNs and periodic oscillatory DCNNs. In addition, the results in literature are extended and improved. Two examples are given to illustrate the theory.     

滞后细胞神经网络的鲁棒无源分析

考虑了多胞不确定性滞后细胞神经网络(DCNNs)的无源分析问题。基于近期研究成果和线性矩阵不等式(LMI)技术,给出了一个判定DCNNs无源性的新准则,这个新的准则实现了DCNNs系统矩阵和Lyapunov矩阵的完全分离。当DCNNs所受不确定性为多胞类型的不确定性时,该准则相对于基于二次稳定框架的准则而言,可以降低保守性。数值算例揭示了本文方法的有效性。     

细胞神经网络渐进行为研究

基于稳定性理论中的LaSalle不变原理研究了细胞神经网络解的渐进行为，定义了解轨线稳定的概念，给出了判定系统解轨线稳定的两个充分条件，并对有关文献中存在不妥之处进行了讨论，比较了细胞神经网络稳定性研究中广泛使用的全局渐近稳定与完全稳定之两种稳定性的差别，所得结果推广了目前已有的一些结论并对网络的硬件实现具有一定的指导作用。     

Global stability of interval recurrent neural networks

The robust global exponential stability of a class of interval recurrent neural networks(RNNs) is studied,and a new robust stability criterion is obtained in the form of linear matrix inequality.The problem of robust stability of interval RNNs is transformed into a problem of solving a class of linear matrix inequalities.Thus,the robust stability of interval RNNs can be analyzed by directly using the linear matrix inequalities(LMI) toolbox of MATLAB.Numerical example is given to show the effectiveness of the obtained results.     

时变时滞双向联想记忆神经网络的鲁棒稳定性

通过构造适当的Lyapunov泛函分析了一类时变时滞双向联想记忆神经网络的平衡点稳定性问题。不要求激励函数的单调性和可微性,得到了保证时变时滞双向联想记忆神经网络的平衡点全局鲁棒渐近稳定的两个新判据。所得到的结果能够表示成线性矩阵不等式形式,进而易于用内点算法等方法来验证。通过仿真例子与其他文献中的一些结果进行比较,表明了本文所得结果的有效性。     

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.     

具有时滞的Hopfield神经网络的渐近稳定性

应用Lyapunov泛函理论和矩阵分析技巧研究具有时滞的Hopfield神经网络的渐近稳定性问题,获得了两个基于线性矩阵不等式的判据。数值示例表明所得结果比已有文献中的结果更少保守。     

Criteria for asymptotical stability independent of delay differential equation

０　ＩＮＴＲＯＤＵＣＴＩＯＮＴｈｉｓｎｏｔｅｄｅａｌｓｗｉｔｈｔｈｅｄｅｌａｙｄｉｆｆｅｒｅｎｔｉａｌｅｑｕａｔｉｏｎｄｕ（ｔ）ｄｔ＝ａｕ（ｔ）＋ｂｕ（ｔ－τ）＋ｃｕ（ｔ－２τ）（１）ｗｈｅｒｅτ≥０ａｎｄａ,ｂ,ｃａｒｅｒｅａｌｎｕｍｂｅｒｓ．Ｌｅ...     

变时滞神经网络的时滞相关全局渐近稳定新判据

研究了变时滞神经网络的时滞相关渐近稳定性问题。利用Lyapunov-Krasovskii泛函和积分等式方法,提出了此类神经网络有唯一稳定点和全局渐近稳定的充分条件。与已有文献相比,不再要求激活函数单调,并且时滞导数可以不小于1,具有较弱的保守性。算例验证了所给方法的正确性。     

Comments and further improvements on ＂LMI approach for stochastic stability of Markovian jumping Hopfield neural networks with Wiener Process＂

In a very rencent paper, Lou and Cui investigated the stochastic stability of Markovian jumping Hopfield neural networks with Wiener process by LMI approach. Unfortunately, the main results derived by them are somewhat errors. In this note we point out that global Lipschitz condition on the activation functions should be revised. Moreover, we present some improved sufficient conditions which are less conservative than those in the above paper in term of linear matrix inequality（LMI）. An numerical example is given to illustrate the theory.     

具有包丢失和时延的网络控制系统的随机稳定性

考虑了具有包丢失和网络诱导时延的网络控制系统的随机稳定性。首先通过引入等价时延的概念来描述数据包丢失的数目、网络诱导时延与采样周期大小之间的关系。然后将网络控制系统建模为离散时间跳变系统,其等价时延由Markov链控制。最后用线性矩阵不等式和随机稳定理论给出所得系统随机稳定的充分条件和动态的状态反馈控制器。数值算例验证了该方法的有效性和优越性。     

中立型不确定变时滞系统的一个时滞相关鲁棒稳定性判据

讨论了具有时变时滞的不确定中立型系统的鲁棒稳定性问题.在Lyapunov-Krasovskii泛函方法的基础上,通过引入一些能够减少保守性的自由权矩阵,得到了中立型不确定变时滞系统的一个时滞相关的鲁棒稳定性判据,并利用线性矩阵不等式(LMI)的形式给出该判据.与已有文献相比较,所得结论突破了时滞导数(t)＜1的限制,并具有较弱的保守性.最后,通过一个例子验证了所给结论的正确性.     

神经网络的并行稳定性研究

在不涉及能量函数概念的前提下，该文用初等的方法研究了联接矩阵在非负定、非正定、对称和反对称这４种情况下，对应的神经网络在并行运行方式下的收敛特性。对非对称联接的神经网络，该文讨论了将其对称化的条件。     

中立型Lurie型控制系统的时滞相关准则

对中立型Lurie控制系统的时滞相关稳定性进行了研究.通常这种时滞被认为是不变和未知的.利用李雅普诺方法和线性矩阵不等式,得到了系统绝对稳定的新的时滞相关准则,线性矩阵不等式易于计算,通过算例与现有文献的结果相比,具有较好的保守性.     

中立型Lurie型控制系统的时滞相关准则

对中立型Lurie控制系统的时滞相关稳定性进行了研究。通常这种时滞被认为是不变和未知的。利用李雅普诺方法和线性矩阵不等式,得到了系统绝对稳定的新的时滞相关准则,线性矩阵不等式易于计算,通过算例与现有文献的结果相比,具有较好的保守性。     

Lurie型控制系统的时滞相关绝对稳定性准则

研究了关于Lurie型控制系统的时滞相关稳定性问题。利用李雅普诺方法,通过设定一个新的算子,得到了系统绝对稳定的两个新的时滞相关准则,所推导出的充分条件用线性矩阵不等式的形式给出,运用Matlab很容易计算。算例表明与现有文献的结果相比,具有较好的保守性。     

Lurie型控制系统的时滞相关绝对稳定性准则

研究了关于Lurie型控制系统的时滞相关稳定性问题.利用李雅普诺方法,通过设定一个新的算子,得到了系统绝对稳定的两个新的时滞相关准则,所推导出的充分条件用线性矩阵不等式的形式给出,运用Matlab很容易计算.算例表明与现有文献的结果相比,具有较好的保守性.     

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.