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.     

一类具有时滞的投影神经网络系统的指数稳定性

文章研究了一类具有时滞的投影神经网络的稳定性问题,根据这类神经网络的特点,将神经网络的状态变量进行分块,通过构造Lyapunov泛函,导出了神经网络系统指数稳定性的充分条件,在适当的初始条件下,给出的稳定性条件与分块矩阵的某些块无关,表明我们所获得的条件的优越性。     

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.     

一类多重时滞细胞神经网络指数稳定性分析

针对一类多重时滞细胞神经网络,利用Lyapunov稳定性理论方法进行指数稳定性分析,给出基于线性矩阵不等式(LMI)的指数稳定性定理.首先通过状态变换,得到该神经网络的等价模型.然后,构造出合适的Lyapunov泛函,并运用线性矩阵不等式理论方法,得到了多重时滞神经网络在常时滞和时变时滞两种情况下指数稳定的一系列充分条件.本文所提出的方法保守程度低,容易利用标准的Matlab-LMI工具来进行仿真验证,同时也适用于其它具有递归神经网络的稳定性分析.     

一类具有时滞的Lotka—Volterra捕食系统的持久性与全局稳定性

本文研究一类具有时滞的Lotka-Volterra捕食系统.证明了系统在一定条件下是持续生存的,并通过构造适当的Lyapunov泛函,给出了系统全局稳定的充分条件.     

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。     

新的时滞递归神经网络鲁棒稳定性分析方法

通过引入标准神经网络模型(SNNM), 为不同的递归神经网络(RNN)提供了一个统一分析框架. 针对时滞 SNNM 的鲁棒渐进稳定和指数稳定问题, 应用 Lyapunov 稳定性理论和 S 方法推导出基于线性矩阵不等式的充分条件. 将鲁棒指数稳定性问题转化为一个广义特征值问题, 既可以判断网络是否指数稳定, 又可以方便地估计其最大指数收敛率, 克服了以往方法中存在的不足. 给出了将其他 RNNs 转化为 SNNM 的实例, 并利用 SNNM 的相关结论对其进行了分析. 仿真结果表明, 该方法可以方便地对不同 RNN 的鲁棒稳定性进行分析, 且稳定性条件易于求解.     

多变时滞神经网络的全局渐近稳定性

本文主要研究了多时滞神经网络模型,利用线性矩阵不等式和构造适当的Lyapunov函数,给出了其变时滞神经网络的平衡点唯一性和全局渐近稳定的新判据。与现有的文献不同的是本文中考虑了多时滞神经网络模型并且考虑了神经元的激励和抑制对网络的影响。     

时滞依赖的脉冲时滞神经网络的稳定性

基于Lyapunov泛函和不等式技巧,得到脉冲混合时滞神经网络全局指数稳定性的时滞依赖型判据,其中混合时滞包括离散时滞和分布时滞两种类型。该判据用线性矩阵不等式表示,并通过一个数值实例验证了判据的有效性。     

一类具有时变时滞的Hopfield神经网络的全局指数渐进稳定性

利用M-矩阵和不等式方法,绐出了一类具有时变时滞的Hopfield神经网络模型的平衡点的存在性及其全局指数渐进稳定性的充分性判据.     

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。     

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.     

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。     

具有时延的神经网络的渐近稳定性

应用Lyapunov泛函方法研究一类具有时延的神经网络的全局渐近稳定性,获得了两个新的充分条件。举例说明了所得结果的有效性。     

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.     

含脉冲的变时滞静态神经网络的渐近稳定性

研究了变时滞的静态神经网络在含有脉冲情况下的稳定性.通过构造恰当的Laypunov泛函,利用线性矩阵不等式方法,证明了该模型在延迟依赖条件下的全局渐近稳定性.同时考虑了时滞和脉冲的影响,因而考虑的情况更具普遍性,适用的范围更广.仿真实例说明所得结果适用范围宽、保守性小、易于验证.     

一类S分布时滞Hopfield神经网络的全局吸引性

研究了一类具有S分布时滞的Hopfield神经网络的全局吸引性问题.首先,通过常微分方程比较原理和适当的迭代证明了系统解的有界性,再通过一类非线性代数方程组和迭代技巧得到了平衡点全局吸引的一个充分条件.最后,通过数值模拟验证了结论的有效性.