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。     

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。     

一类时滞神经网络的全局指数稳定性

利用M-矩阵和拓扑学等有关知识,通过构建向量李雅普诺夫函数,研究了一类包含分布时滞和可变时滞的神经网络的平衡点的存在性、唯一性及其全局指数稳定性。在没有假定激励函数有界、可微的情况下,得到了该类神经网络平衡点的存在性、唯一性及其在平衡点全局指数稳定的充分判据。该判据计算简便,且与时间滞后量无关,便于在实践中应用。文中给出了一个算例。     

脉冲时滞Hopfield神经网络的全局指数稳定性

研究一类具有脉冲控制的时滞Hopfideld神经网络的全局指数稳定性,通过Lyapunov-Krasovskii稳定性理论和Halanay不等式等方法,构造合适的Lyapunov泛函,利用不等式技巧得到了确保时滞神经网络在脉冲控制下全局指数稳定的一个充分条件,保证了Hofidd神经网络在脉冲控制下的全局指数稳定,并估计了系统的指数收敛率.为了便于计算和验证结论的有效性,给出一个简化的充分条件.最后通过数值实例的实验仿真证实了结论的有效性、可行性.     

变时滞神经网络的全局指数稳定性

利用M矩阵理论,同构理论以及不等式技巧,研究了一类变时滞神经网络平衡点的存在性和惟一性问题。同时利用M矩阵理论,反证法以及不等式技巧,得到了变时滞神经网络系统惟一的平衡点的全局指数稳定性的充分条件。通过判断由神经网络的权系数、自反馈函数以及激励函数构造的矩阵是否为M矩阵,即可以检验该变时滞神经网络系统的全局指数稳定性。该判据易于用Matlab进行检验,最后给出一个仿真示例进一步证明了判据的有效性。     

一类变时滞神经网络的全局指数稳定性

在不要求激活函数有界的前提下,利用Lyapunov泛函方法和线性矩阵不等式(LMI)分析技巧,研究了一类变时滞神经网络平衡点的存在性和全局指数稳定性.给出判别网络全局指数稳定性的判据,推广了现有文献中的一些结果.这些判据具有LMI的形式,进而易于验证.仿真例子表明了所得结果的有效性.     

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。     

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.     

时滞杂交双向联想记忆神经网络的全局指数稳定性

在近十几年里，已提出了一类与双向联想记忆相联系的神经网络模型，这些模型推广了单层自联想Hebbian相关器为两层异联想模式匹配器，因而，这类网络在模式识别、信号与图像处理等领域中有广阔的应用前景．研究了带离散时滞杂交双向联想记忆神经网络的收敛特性，利用Halanay型不等式获得了网络全局指数稳定性的充分条件，所得结果是与时滞无关的；已证明利用Halanay型不等式获得的结果改进了由Lyapunov方法获得的结果，而且获得的结果容易判定，并且给出了一个数值例子以说明所得结论的正确性．     

具反映扩散有限连续分布时滞细胞神经网络的全局指数稳定性

研究了具反应扩散有限连续分布细胞神经网络的平衡点的存在性及全局指数稳定性问题,提出了新的比较原理,在对神经元的激励函数的较宽松的条件下,利用同伦不变性原理获得了该系统的平衡点的存在性,利用所得的比较原理获得了该系统全局指数渐近稳定性的充分条件,而且这些条件容易检验,并举了一个数值实例以说明结论的有效性．     

一类变时滞忆阻器递归神经网络全局指数周期性

忆阻器是近几年来提出的一种区别于电阻、电容、电感的一类非线性两端无源电子元件,而忆阻器递归神经网络由于系统参数的不同,系统表现出各种动态性能。针对一类变时滞忆阻器递归神经网络,研究全局指数周期性问题,考虑连接权值在切换状态下的对称和非对称的情况,通过构造两个Lyapunov函数、Halanay不等式和由Fillippov给出的右端不连续微分方程理论的研究方法,提出关于全局指数周期性的充分性条件。最后,实验结果验证了所提理论的可行性和有效性。     

二阶神经网络的全局指数稳定性分析

当神经网络应用于最优化计算时,理想的情形是只有一个全局渐近稳定的平衡点,并且以指数速度趋近于平衡点,从而减少神经网络所需计算时间,二阶神经网络较一般神经网络具有更快的收敛速度,对于二阶连续型Hopfield神经网络,用Lyapunov方法讨论平衡点的全局指数稳定性,给出了平衡点全局指数稳定的几个判别准则,作为特例,获得了连续型Hopfield神经网络全局指数稳定的新判据。     

不确定时变时滞连续Hopfield神经网络的鲁棒稳定性

本文研究了时变时滞连续Hopfield神经网络存在有界参数不确定时的稳定性问题,提出了保证该网络鲁棒稳定的代数Riccati方程(ARE)设计算法.而忽略时滞或忽略参数不确定,则得到有别于以往结果的各种有关参数不确定连续Hopfield神经网络稳定性的定理.     

推广的Hopfield神经网络模型

本文推广了Ｈｏｐｆｉｅｌｄ神经网络模型，对能量公式中的函数只要求一阶偏导数存在 连续即可，这就扩展了神经网络方法在求解组合优化问题中的应用。     

离散Hopfield双向联想记忆神经网络的稳定性分析

首先将离散Hopfield双向联想记忆神经网络转化成一个特殊的离散Hopfield网络模型.在此基础上,对离散Hopfield双向联想记忆神经网络的全局渐近稳定性和全局指数稳定性进行了新的分析.证明了神经网络连接权矩阵在给定的约束条件下有唯一的而且是渐近稳定的平衡点.利用Lyapunov方程正对角解的存在性得到了几个判定平衡点为全局渐近稳定和全局指数稳定的充分条件.这些条件可以用于设计全局渐近稳定和全局指数稳定的神经网络.所做的分析扩展了以前的稳定性结果.     

离散Hopfield神经网络的稳定性研究

推广了前人关于离散Hopfield神经网络的稳定性定理及周期为2极限环的存在定理,并从理论上给出了新的严格的证明.进一步,提出了关于部分变元稳定和部分变元为极限环的新概念,并给出了判别定理.最后给出了几个有趣的例子,揭示这类网络渐近行为的复杂性.     

CNN的全局渐近稳定性分析与改进

研究一类通用细胞神经网络的稳定性问题.采用Lipschitiz连续性条件证明了系统平衡点的存在性,利用Lyapunov函数稳定性分析方法结合不等式分析,给出系统平衡点唯一和全局渐近稳定的充分条件,该条件推广并改进了已有结论,具有更好的通用性,经实验仿真是可行的.     

时滞切换不确定神经网络系统的指数稳定性

本文研究了具有无穷时滞切换不确定细胞神经网络(UCNNs)系统任意切换下的指数稳定性.利用同胚映射和M-矩阵理论,得到UCNNs系统平衡点存在性,唯一性和指数稳定性的充分条件;利用Lyapunov泛函方法,研究了时滞切换UCNNs系统任意切换下的鲁棒指数稳定性,并得到确保系统全局指数稳定的充分条件.     

关联优化存储下Hopfield网络的临界存储

本文通过对Ｈｏｐｆｉｅｌｄ神经网络存储相关信息的联想稳定性分析，给出了选取存储样本的优化规则，并得出Ｈｏｐｆｉｅｌｄ神经网络在优化存储规则下各存储样本均能纠一错的临床存储容量约为０．５Ｎ，比随机选取存储本的容量要强得多。     

基于小波分析和Hopfield的网络流量预测

针对传统单一的网络流量模型不能对网络流量的复杂特性进行精确模拟的问题,提出一种基于αTrous小波分析和Hopfield神经网络的组合模型对网络流量进行预测。首先对网络流量进行归一化处理并采用αTrous小波变换;然后对小波单支进行重构,并将低频成分送入AR模型高频成分送入Hopfield神经网络进行建模预测;最后对各分量进行合成得到预测值。仿真实验结果表明,该模型提高了预测精度,并且具有很好的网络适应性。