时滞神经网络的全局渐近稳定性分析

研究了一类具有时滞的细胞神经网络的稳定性问题,利用Lyapunov-Krasovskii泛函的方法,给出了时滞相关的稳定性判据。稳定性判据是以线性矩阵不等式的形式给出,可以很容易得出时滞的上界。在得到时滞相关的稳定性判据的同时也可以也可以得到时滞无关的稳定性判据,包含了已有文章中的很多结果。最后,数值算例说明了本文结果的优越性。     

基于Wirtinger型积分不等式的线性时滞广义系统稳定性分析

针对线性时滞广义系统的稳定性问题,本研究通过适当的Lyapunov-Krasovskii泛函和Wirtinger型积分不等式方法,给出了新的时滞相关稳定的充分条件,并通过Matlab的LMI工具箱求解。数值算例表明,本文方法所获得的结果与自由权矩阵和时滞分割等方法相比,具有更小的保守性,说明本研究所获得的结果具有有效性和优越性。因此,该方法可以推广到区间时变时滞广义系统的稳定性研究和控制器设计中。     

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。     

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。     

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.     

中立型Lurie系统的渐近稳定性

利用Lyapunov泛函方法,对具有时滞的中立型Lurie系统的稳定性进行分析,得到了系统渐近稳定的一个时滞相关充分条件,这个条件用线性矩阵不等式(LMI)表示,易于验证.     

利用线性矩阵不等式设计滤波器的方法

目的 将降维观测器的设计目标转化为一个标准的求LMI的可行解问题。方法 利用求解线性矩阵不等式的凸优化技术。结果与结论 给出了一种定常随机系统的降维观测器的设计方法,同时给出了滤波器存在的条件及求解的计算方法。     

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。     

Hopfield神经网络k—全局稳定性

研究了Ｈｏｐｆｉｅｌｄ神经网络的ｋ－全局稳定性，利用常数变易法和不等式分析技巧，给出了Ｈｏｐｆｉｅｌｄ神经网络的ｋ－全局指数稳定的充分条件。     

利用线性矩阵不等式设计滤波器的方法

目的　将降维观测器的设计目标转化为一个标准的求 LMI的可行解问题 .方法　利用求解线性矩阵不等式的凸优化技术 .结果与结论　给出了一种定常随机系统的降维观测器的设计方法 ,同时给出了滤波器存在的条件及求解的计算方法     

一类时滞神经网络系统的局部稳定性与分枝

给出一类时滞神经网络系统的零解的局部稳定判定准则，并给出该系统出现Ｈｏｐｆ分枝的参数条件     

具有变系数和变时滞的BAM神经网络的全局指数稳定性的新判据

研究了一类具有变系数和变时滞的联想记忆神经网络的全局指数稳定性。通过选择适当的Lyapunov—krasovskii泛函,利用不等式技巧给出了联想记忆神经网络的全局指数稳定性的新判据。     

变时滞神经网络模型的全局指数稳定性

研究了一类变时滞的Hopfield型神经网络的全局指数稳定性,在对网络系统施加两个不同的非线性神经元激励函数的条件下,利用M-矩阵的特性,得到了细胞神经网络模型在一定的条件下全局指数稳定的易于判定的充分条件,数值例子说明了本文结果的有效性。     

具有时滞的非线性神经网络系统的渐进稳定性

文章将一类具有时滞的n维非线性神经网络模型的求解转化为求解简单的一维泛函微分方程的问题，给出了它们的解之间的关系表达式，进而推出解的解析表达式；最后论证了在所给的矩阵特征值均为负实数的条件下，神经网络模型平衡解是指数稳定的。     

二次规划问题的时滞投影神经网络模型的全局指数稳定

研究了二次规划问题,提出了求解它的一种时滞投影神经网络模型。利用反函数分方程理论和放缩的方法,证明了新模型解的存在唯一性,并给出了时滞投影神经网络全局指数稳定的充分条件。该模型可以用来解决一系列约束最优化问题中的二次规划问题。       

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。     

围岩稳定性分级的神经网络方法

以神经网络方法为基础，结合模糊识别中指标双权重量化方法，建立了确定围岩稳定性级别的BP神经网络模型，应用实例表明该方法是围岩稳定性分级的一种有效的科学方法。