Stability switches and Bogdanov-Takens bifurcation in an inertial two-neuron coupling system with multiple delays

In this paper,we investigate an inertial two-neural coupling system with multiple delays.We analyze the number of equilibrium points and demonstrate the corresponding pitchfork bifurcation.Results show that the system has a unique equilibrium as well as three equilibria for different values of coupling weights.The local asymptotic stability of the equilibrium point is studied using the corresponding characteristic equation.We find that multiple delays can induce the system to exhibit stable switching between the resting state and periodic motion.Stability regions with delay-dependence are exhibited in the parameter plane of the time delays employing the Hopf bifurcation curves.To obtain the global perspective of the system dynamics,stability and periodic activity involving multiple equilibria are investigated by analyzing the intersection points of the pitchfork and Hopf bifurcation curves,called the Bogdanov-Takens(BT)bifurcation.The homoclinic bifurcation and the fold bifurcation of limit cycle are obtained using the BT theoretical results of the third-order normal form.Finally,numerical simulations are provided to support the theoretical analyses.     

Stability analysis for a class of impulsive competitive neural networks with leakage time-varying delays

In this paper, we consider the existence, the uniqueness, the global exponential stability, the global asymptotic stability, the uniform asymptotic stability and the uniform stability of the equilibrium point of impulsive competitive neural networks with distributed delays and leakage time-varying delays. The existence of a unique equilibrium point is proved by using Brouwer's fixed point theorem. By finding suitable Lyapunov-Krasovskii functional, some sufficient conditions are derived ensuring some kinds of stability. Finally, several examples and their simulations are given to illustrate the effectiveness of the obtained results.     

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.     

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。     

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。     

混合时滞模糊细胞神经网络的指数稳定性研究

利用Lyapunov泛函及M-矩阵理论,研究了具变时滞和分布时滞模糊细胞神经网络（FCNNs）平衡点的存在性和唯一性及其全局指数稳定性,得到了其简单判断.     

多时变时滞细胞神经网络的全局渐近稳定性分析

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新判据.这些新判据考虑了神经元激励和抑制的影响,且易于验证.仿真结果验证了所得结论的有效性.     

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.     

多时变时滞神经网络的全局指数稳定

通过构造Lyapunov-Krasovskii泛函分析了一类多时变时滞神经网络的全局指数稳定性问题。不要求神经网络激励函数的有界性、单调性和可微性,得到了保证平衡点唯一性和全局指数稳定的新的独立于时滞的充分条件。该充分条件可表示为一个线性矩阵不等式的形式,进而易于验证。通过几个注释说明及与其他文献结果进行比较验证了该方法的有效性。     

具反应扩散项的脉冲时滞Cohen-Grossberg神经网络的稳定性

讨论了一类具反应扩散项的脉冲变时滞 Cohen GrossberG神经网络在neu mann边界条件下的稳定性.通过构造分片连续的Lyapunov函数,结合neumann特征值问题,并利用GronwaLL beLLman脉冲积分不等式,得到了新的与反应扩散项和时滞有关的保证平衡点全局指数稳定性的代数判据     

一类复值神经网络的随机指数鲁棒稳定性

为分析Markova跳变参数对系统的影响，研究了一类具有Markova跳变参数和变时滞的复数域区间神经网络的动态行为。在假定复数域激活函数仅满足Lipchitz条件的情况下，首先利用M矩阵理论和同胚映射相关原理，研究了该系统平衡点的存在性和唯一性。然后利用矢量Lyapunov函数法分析了不同模式下平衡点的随机指数鲁棒稳定性。建立的稳定性条件推广了现有结论，并且容易验证。最后，通过一个数值仿真算例验证了所得结论的可行性。     

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。     

一类非线性时变时滞随机大系统的稳定性

讨论了线性时滞随机系统平凡解的几乎必然渐近稳定性,并推广到非线性多时滞随机大系统的几乎必然渐近稳定性.提出了非线性多时滞随机大系统几乎必然渐近稳定性的代数判据.最后,用仿真例子说明了主要结果的可行性与有效性.     

具有可变延时的四元数神经网络的指数稳定性

研究一类具有可变延时的四元数神经网络的指数稳定性.首先将该系统分解为4个等价的实数域系统,然后在假定激活函数满足强耦合条件的情况下,利用M矩阵理论和矢量Lyapunov函数法分析该系统平衡点的全局指数稳定性,并给出了形式简单且容易验证的稳定性判据.本文所建立的稳定性条件不仅推广了现有结论,并且具有较低的保守性.最后,通...     

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。     

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。     

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。     

多比例时滞细胞神经网络的全局一致渐近稳定性

对一类具多比例时滞细胞神经网络进行研究, 利用变换zi(t)=yi(et) 将具多比例时滞细胞神经网络变换成变系数常时滞的细胞神经网络. 通过构造合适的Lyapunov泛函, 给出了几个保证该系统全局一致渐近稳定的时滞独立的充分条件, 并给出例子验证所得结论的正确性.     

基于线性矩阵不等式的广义神经网络系统的全局渐近稳定性分析

首先讨论了同时具有离散时滞和分布时滞的神经网络系统即广义神经网络系统平衡点的存在性,然后通过构造Lyapunov-Krasovskii泛函并利用线性矩阵不等式的方法将系统的稳定性问题转化为凸优化问题,建立了系统全局渐近稳定的充分条件.该充分条件可利用标准的Matlab LMI工具箱来验证和求解.