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.     

一类非线性时滞差分方程的全局吸引性

研究了一类具有周期系数的非线性时滞差分方程.利用迭代算法和数学归纳法,论证了方程的初值问题的解的存在唯一性及解的有界性;利用不动点原理和数学归纳法,讨论了方程的正周期解的存在性;利用导数和极限的方法获得了方程关于正周期解的全局吸引性的充分条件.结论推广和改进了非线性时滞差分方程中系数为常数时的结果.     

分布时滞Hopfield神经网络稳定性

针对分布时滞的Hopfield型神经网络构造了李雅普诺夫能量函数,证明了该网络的稳定性问题。证明过程中运用了引理的结论,充分利用了所取李雅普诺夫函数的特殊性,较多地运用了不等式分析方法及不等式放缩技巧。同时由于时滞的存在,证明过程中还涉及李雅普诺夫泛函问题。最后利用引理的结论得出了该网络全局一致渐近稳定的结论。     

一类时滞人口模型的全局吸引性

给出微分方程N′(t) =r(t)N(t) 1 -N(t-τ)1 -λN(t-τ) 　 (t≥ 0 )所有正解在t→∞时 ,趋于平衡点N =1的充分条件 ,并改进文献的相应结果 .     

一类非线性时滞微分方程的全局吸引性

本文研究非线性时滞微分方程ｄｘ／（ｄｔ＋ｐ（ｔ）ｆ（ｘ（ｔ－τ））＝０的零平衡解的全局吸引性,通过运用Ｌｙａｐｕｎｏｖ泛函方法,得到保证该方程全局吸引性的充分条件。     

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。     

具有参数摄动时滞Hopfield神经网络的鲁棒稳定性和吸引域估计

针对具有参数摄动的时滞Hopfield神经网络,基于矩阵范数的概念建立了时滞依赖鲁棒稳定判据.该鲁棒稳定判据将参数摄动大小和时滞上界大小统一在一个表达式中,进而可得到时滞和参数摄动大小对网络稳定性影响的定量关系.此外,给出了局部稳定平衡点吸引域大小的估计,并通过数值仿真验证了本文结果的有效性.     

分布参数高阶随机时滞Hopfield神经网络的指数稳定性

利用Lyapunov稳定性理论,积分不等式和Halanay不等式,研究了具分布参数的高阶随机时滞Hopfield神经网络的均方指数稳定性,得到了保证系统指数稳定且与扩散项相关的充分性条件,并给出了指数收敛率,同时放松了现有文献中对变时滞的要求,因而在一定程度上了改进了现有文献的结果.最后给出了数值算例验证所得结果的有效性.     

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.     

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。     

一类具比例时滞脉冲递归神经网络的全局多项式稳定性

该文对一类具比例时滞脉冲递归神经网络给出全局多项式稳定性定义。通过引入可调参数,构造适合的Lyapunov泛函和运用线性矩阵不等式 (LMI) 的方法,对该系统的全局多项式稳定性进行讨论,得到了保证该系统全局多项式稳定的判定准则,且这些准则以LMI的形式给出的,方便应用Matlab工具箱进行验证。该文还揭示了多项式稳定性与指数稳定性之间的关系,最后通过数值算例验证了所得准则的准确性。     

S-分布时滞反应扩散Hopfield神经网络稳定性

利用拓扑度理论和Lyapunov泛函方法研究了S-分布时滞反应扩散Hopfield神经网络平衡点的存在性及全局鲁棒指数稳定性.例子表明所得结果易于验证,具有广泛的适用性.     

Hopfield型神经网络的全局指数稳定性

研究了Hopfield型神经网络的全局指数稳定性,就活化函数严格单增和严格单增但增益有界的情况,提出了保证网络全局指数稳定的充分判据。对活化函数严格单增权矩阵对角稳定的情况,以简约的形式,给出网络全局指数稳定的收敛速率。     

一类变时滞微分方程正周期解的全局吸引性

本文通过构造Lyaounov泛函,得到了一类变时滞微分方程存在全局吸引正周期解的充分条件.     

Hopfield 神经网络中的一个矩阵问题

考虑了Hopfield神经网络中的神经元连接权的对称化问题,通过将其转化成一 个矩阵问题,证明了连接权可对称化的充分必要条件。     

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.     

《奥瑟罗》与《伪君子》人物形象的比较分析

考虑了Hopfield神经网络中的神经元连接权的对称化问题，通过将其转化成一个矩阵问题，证明了连接权可对称化的充分必要条件。     

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.