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。     

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。     

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.     

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.     

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。     

高阶Hopfield型神经网络的指数稳定性及指数收敛速率的估计

讨论高阶连续Hopfield型神经网络平衡态的全局指数稳定性和局部指数稳定性问题,得到出网络平衡态指数稳定的简单充分条件和指数收敛速率的估计结果,并在网络平衡态局部指数稳定时得到了平衡态的吸引域。     

连续时间递归神经网络的稳定性分析

基于压缩映射原理,针对连续时间递归神经网络研究了其平衡点全局稳定性问题,给出了平衡点稳定的充分判据.该判据不要求网络互连矩阵的对称性,改进了现有一些文献中的结果,且具有易于验证的特点.通过两个注释和一个仿真例子证明了所得结果的有效性.     

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。     

一类具有时滞的神经网络的稳定性分析

对具有广泛应用价值的时滞Hopfield神经网络系统,建立了系统平衡点存在唯一的充要条件,利用常数交易法并结合不等式分析技巧讨论了神经网络模型的全局指数稳定性,获得了系统的平衡点全局指数稳定的充分条件。     

关于非对称Hopfield神经网络的稳定性

根据矩阵特征值分布范围，讨论了连续时间Ｈｏｐｆｉｅｌｄ神经网络模型的渐近稳定性，给出了目前最优的结果，这对于实际网络设计有重要的指导作用。     

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。     

具有连续和脉冲预防接种的SIRS传染病模型

考虑了具有连续预防接种和脉冲预防接种且传染率是标准的SIRS传染病模型，在连续预防接种和脉冲预防接种下，分别给出了SIRS传染病模型基本再生数．在连续预防接种下，利用广义Dulac函数方法证明了无病平衡点和正平衡点的全局渐近稳定性．对脉冲预防接种下的SIRS传染病模型，首次证明了无病周期解的存在性和全局渐近稳定性．     

用矩阵测度法研究细胞神经网络的稳定性

主要讨论使用矩阵测度法来研究细胞神经网络的稳定性,给出了细胞神经网络全局指数稳定的条件．     

一类变量变分不等式的神经网络

基于解的充分必要条件,讨论了一类变量变分不等式的神经网络方法,针对问题的自身结构特点,分别给出了求解非线性问题的一个神经网络模型和线性问题的统一的神经网络模型,且模型均不含网络参数,在适当的条件下,严格证明了它们是Lyapunov稳定的,并且大范围渐近收敛于原问题的精确解,此外,还讨论了解线性问题的网络模型的全局指数稳定性,模拟实验表明上述模型是可行的和有效的。     

时滞中立型Hopfield神经网络的全局渐进稳定性研究

研究了一类具有混合时变时滞的中立型Hopfield神经网络全局渐进稳定性问题.利用Lyapunov-Krasovskii稳定性理论和线性矩阵不等式（LM I）处理方法,获得了一类含有混合时变时滞中立型的Hopfield神经网络全局渐进稳定性新的充分条件,它改进和推广了已有文献的结果,降低了系统的保守性.     

具有时滞的广义神经网络的稳定性分析

对于具有时滞的广义神经网络,利用Liapunov函数方法、线性矩阵不等式以及积分不等式等技巧,给出了该神经网络模型的平衡点的存在性、惟一性以及全局指数稳定的一些充分条件.通过对这些结论和已有结果的比较,说明所得到的这些条件推广了已有文献中的结果,并得到了神经网络稳定性的新的条件.这些条件对于神经网络的设计具有指导作用.     

非自治时滞神经网络的全局指数稳定性分析

利用微分不等式,并结合均值不等式以及Young不等式研究了一类具有时变时滞的非自治神经网络系统的全局指数稳定性,给出了一系列系统全局指数稳定的充分条件。由于去掉了激励函数单调有界、时变时滞函数连续可微等限制条件,因此结论具有更低的保守性,推广并改进了相关文献的结果。举例说明了方法的有效性。     

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。     

具有分布时滞脉冲Cohen-Grossberg神经网络的稳定性分析

研究了一类具有时滞的脉冲Cohen-Grossberg神经网络模型,应用Lyapunov函数理论以及线性矩阵不等式的技巧,进一步研究了脉冲Cohen-Grossberg神经网络的稳定性问题,提出了神经网络全局指数稳定性的判据,最后通过数值算例来验证所得结论的正确性和有效性。     

Hopfield型神经网络的全局指数稳定性

研究了Hopfield型神经网络的全局指数稳定性,就活化函数严格单增和严格单增但增益有界的情况,提出了保证网络全局指数稳定的充分判据。对活化函数严格单增权矩阵对角稳定的情况,以简约的形式,给出网络全局指数稳定的收敛速率。