时滞连续Hopfield神经网络的全局指数稳定性

本文采用非线性时滞微分不等式分析技巧,研究了时滞连续Hopfield神经网络的稳定性,给出在任意外界恒常输入下连续Hopfield网络的平衡态的收敛速度及全局指数稳定的若干充分判据.     

一类具有变时滞的Hopfield型神经网络的全局指数稳定性

通过构造适当的Lyapunov函数,利用Halanay不等式和Young不等式,讨论一类具有变时滞的Hopfield型神经网络的全局指数稳定性.在对网络施加两个不同的神经元激励函数的条件下,导出网络全局指数稳定的一个充分条件,得到的充分条件在实际应用中易于验证,且有较小的保守性,因而对网络的应用和设计具有重要意义.最后,一个数值实例进一步验证结果的正确性.     

无穷时滞神经网络的全局稳定性

本文研究具有无穷时滞的神经网络的全局稳定性问题。通过拓广泛函数微分方程理论中的Ｒａｚｕｍｉｋｈｉｎ思想，获得了无十分简洁的稳定性准则。     

时滞神经网络的全局渐近稳定性分析

研究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得到时滞无关的稳定性判据。数值算例说明其结果的优越性。     

Hopfield神经网络稳定性的敏感性研究

本文时一类非对称Hopfield神经网络在联接矩阵为非对称的前提下时矩阵特征值所在范围作了更精细的刻画：在有电阻(R)扰动下利用矩阵特征值理论给出了网络渐近稳定性的条件。     

一类离散BAM神经网络的全局渐近稳定性分析--LMI方法

提出一种新的神经网络模型--标准神经网络模型(SNNM),并给出基于线性矩阵不等式(LMI)的SNNM平衡点的全局渐近稳定性定理.通过状态的线性变换,将推广的离散BAM神经网络转化为SNNM,利用SNNM的稳定性结论,判定该离散BAM的全局渐近稳定性.该方法扩展了以前的稳定性结果,保守性低,容易验证,同时也适用于其它类型的递归神经网络的稳定性分析.     

时滞脉冲型Hopfield神经网络的全局指数稳定性*

基于众多领域及生物神经网络本身所存在的脉冲瞬动现象，本文首次提出并研究了带时滞的脉冲型Ｈｏｐｆｉｅｌｄ神经网络的全局指定稳定性问题，并讨论了其平衡态的存在唯一性。     

离散Hopfield神经网络的稳定性分析

主要研究非对称离散Hopfield神经网络并行演化方式的动力学行为，同时给出了网络的一些新的稳定性条件，所获结果不仅推广了一些已有的结论，而且为该网络的应用提供了一定的理论基础。     

时延细胞神经网络的全局渐近稳定性

通过构造新的Lyapunov泛函,在Lyapunov泛函中巧妙引入可调的实参数,并结合不等式运用的一些技巧,讨论了时延细胞神经网络的全局渐近稳定性问题,得到了该模型的平衡点全局渐近稳定的一些新的充分条件。所得的结果改进推广了已有文献中相应的一些结论,并且可应用于以前所不能处理的若干情形。理论分析和数学推导表明,全局渐近稳定性的一个简单充分判据与时延是有关的。所得结果突出了时延对于细胞神经网络的全局渐近稳定性的影响,这对于设计带时延的细胞神经网络有着重要的参考价值。此外,通过实例说明了相应结果的应用,这在理论上和应用中都有着重要的意义。     

一类具有时滞的广义Hopf ield 神经网络的全局稳定性

通过引入能量泛函，分析了一类具有时滞的广义Hopfield神经网络的全局稳定性．从理论上给出了该类网络为全局稳定的充分条件，证明了当时滞满足一个可计算的边界条件时，具有时滞的该类神经网络与相应的无时滞网络具有同样的全局稳定特性．仿真结果进一步证明了结论的有效性。     

受扰Hopfield神经网络L2增益稳定性分析

运用研究控制系统有限增益稳定的方法，讨论受扰Hopfield神经网络关于扰动的增益L2稳定，所给条件不但保证受扰网络L2增益稳定，且总能保证网络未受扰时唯一平衡点的存在性和全局渐近稳定性，文中结论还包含从扰动到状态的L2增益估计，它们用网络有关参数明确表达。     

动态神经网络的输入2状态稳定性分析

针对非自治的动态神经网络系统，建立了动态神经网络的数学模型．并将其等效成一个非线性仿射控制系统．深入分析了该系统平衡点的存在性、唯一性和全局渐近稳定性，给出了系统输入-状态稳定的充分条件，构建了ISS-Lyapunov函数，并应用该函数确保了系统的全局渐近稳定性．     

Novel delay-dependent global asymptotic stability condition of Hopfield neural networks with delays

In this paper, the global asymptotic stability of Hopfield neural networks with delays is investigated. Distinct differences from other analytical approaches lie in transforming to an equivalent system by using a parameterized transformation which allows free variables in an operator. A novel, less conservative and restrictive criterion than those established in the earlier references is given in terms of several matrix inequalities by utilizing the Lyapunov theory and matrix inequality framework. The results are related to the size of delays. Numerical examples are given to show the effectiveness of our proposed method.     

时滞Hopfield神经网络的随机稳定性分析

T-S模型提供了一种通过模糊集和模糊推理将复杂的非线性系统表示为线性子模型的方法。研究了时滞Hopfield神经网络的随机稳定性（SFVDHNNs）。首先描述了SFVDHNNs模型,然后用Lyapunov方法研究了SFVDHNNs全局均方指数稳定性,通过可以被一些标准的数值分析方法求解的线性矩阵不等式（LMIs）得出了稳定性标准。     

Global stability of bidirectional associative memory neural networks with continuously distributed delays

Global asymptotic stability of the equilibrium point of bidirectional associative memory (BAM) neural networks with continuously distributed delays is studied. Under two mild assumptions on the activation functions, two sufficient conditions ensuring global stability of such networks are derived by utilizing Lyapunov functional and some inequality analysis technique. The results here extend some previous results. A numerical example is given showing the validity of our method.     

一类中立型时滞神经网络的全局渐近稳定性

讨论了一类带有时滞的中立型神经网络的稳定性问题。通过构造Lyapunov-Krasovskii泛函,利用矩阵Schur补性质研究了此类中立型时滞神经网络模型的全局渐近稳定性,得出基于矩阵特征值的稳定性的充分判据,并给出基于矩阵特征值的时滞Hopfield神经网络全局渐近稳定性的充分条件;数值仿真检验了结果的有效性。     

Global exponential stability of Hopfield reaction-diffusion neural networks with time-varying delays

The authors analyze the existence of the equilibrium point and global exponential stability for Hopfield reaction-diffusion neural networks with time-varying delays by means of the topological degree theory and generalized Halanay inequality. Since the diffusion phenomena and time delay could not be ignored in neural networks and electric circuits, the model presented here is close to the actual systems, and the sufficient conditions on global exponential stability established in this paper, which are easily verifiable, have a wider adaptive range.     

New delay-dependent global asymptotic stability condition for Hopfield neural networks with time-varying delays

This paper deals with the global asymptotic stability problem for Hopfield neural networks with time-varying delays. By resorting to the integral inequality and constructing a Lyapunov-Krasovskii functional, a novel delay-dependent condition is established to guarantee the existence and global asymptotic stability of the unique equilibrium point for a given delayed Hopfield neural network. This criterion is expressed in terms of linear matrix inequalities （LMIs）, which can be easily checked by utilizing the recently developed algorithms for solving LMIs. Examples are provided to demonstrate the effectiveness and reduced conservatism of the proposed condition.