负反馈项具连续时滞BAM神经网络的全局指数稳定性

研究了负反馈项具连续时滞的BAM神经网络模型,利用压缩映射原理说明了该BAM模型具有唯一的平衡点,并且通过构造Lyapunov函数找到了该类BAM全局指数稳定的充分条件.     

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。     

具有混合时滞的BAM神经网络全局指数稳定性分析

在激励函数满足全局Lipshitz条件和时变时滞函数有界的情形下,研究了一类具有时变时滞和无穷分布时滞的BAM神经网络模型.首先利用压缩映像原理给出了系统平衡点的存在唯一性条件;然后利用初等积分法并结合矩阵论知识,不需构造Lyapunov-Krasovskii泛函,以矩阵谱半径的形式给出了模型平衡点全局指数稳定的充分条件,还以矩阵范数的形式给出了更为严格但极易验证的充分条件.结论去掉了对激励函数有界性和时变时滞函数连续可微性,甚至导数具有不超过1的上界等严格要求,推广改进了相关文献的结果.最后举例说明了本文方法的有效性.     

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。     

S-分布时滞细胞神经网络的全局指数稳定性

研究了S-分布时滞细胞神经网络模型,利用同胚映射、M-矩阵以及Lyapunov函数得到了判断该模型平衡点存在唯一性及全局指数稳定性的实用有效的充分性条件,并给出了实例.     

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。     

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。     

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。     

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.     

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.     

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。     

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.     

一类神经网络的Ｌａｇｒａｎｇｅ全局指数稳定性

考虑3种不同的有界激励函数,利用Lyapunov函数法和不等式分析技巧,研究了一类具有变时滞的中立型Cohen-Grossberg神经网络的Lagrange全局指数稳定性,并给出了系统模型具有全局指数吸引集的构造性证明：研究结果既适用于分析单稳态系统也适用于多稳态系统;最后通过数值算例及仿真对结果进行了验证．     

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。       

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.     

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。     

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。     

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.