高阶Hopfield型神经网络的定性分析

本文讨论高阶连续型Hopfield神经网络平衡态的性质,包括平衡态的存在唯一性和稳定性.借助于Banach不动点原理和Lyapunov方法得到了若干平稳态存在唯一和全局渐近稳定的充分条件.作为特例,获得了一阶连续型Hopfield神经网络稳定性的新判据.     

具有变时滞的Hopfield型神经网络的全局指数稳定性

 本文利用推广的Halanay时滞微分不等式和Lyapunov函数来研究具有可变时滞的Hopfield型神经网络的平衡状态的全局指数稳定性,得到了不依赖含任何未知函数存在性的简便代数判据,为实际应用提供方便.     

具有时滞的细胞神经网络的稳定性

本文研究具有时滞的细胞神经网络的稳定性问题，利用构造李雅普诺夫泛函、常数变易法及不等式分析技巧，给出了时滞细胞神经网络全局渐近稳定性的充分条件。     

具有时滞的细胞神经网络的稳定性

该文研究了具有时滞的细胞神经网络的稳定性问题,运用Lyapunov泛函法和Razumikhin法分别给出了时滞细胞神经网络全局渐近稳定的两个新的充分条件。其中,第一个条件与时延无关,而第二个条件与时延有关。获得的定理推广了已有文献中的结果,对于时滞细胞神经网络的硬件设计具有一定的指导意义。     

具有无穷时滞的细胞神经网络的稳定性分析

本文研究了具有无穷时滞的细胞神经网络的全局吸引性问题.利用常数变易法和不等式分析技巧,给出了无穷时滞的细胞神经网络无平衡点时,网络系统有吸引紧集的充分条件,同时也给出了无穷时滞的细胞神经网络有平衡点时,网络系统的平衡点全局渐近稳定的充分条件.其结果推广了文 的相应结果.     

随机变时滞神经网络的全局渐近稳定性

研究了一类具有变时滞随机神经网络模型平衡点的全局渐近稳定性问题,通过构造李亚普诺夫函数并利用线性矩阵不等式理论,得出了随机变时滞神经网络的全局渐近稳定性的充分条件。     

中立型时滞BAM神经网络的稳定性分析

文章介绍了中立型时滞BAM神经网络,并重点分析其稳定性,给出了中立型时滞BAM神经网络的平衡点唯一和全局指数稳定性的判据,同时举例说明判据的正确性和结果的有效性。     

具有参数摄动的时滞Hopfield神经网络的鲁棒稳定性

 研究一类具有参数摄动的时滞Hopfield神经网络模型的鲁棒稳定性.应用Lyapunov泛函法,给出了平衡点渐近稳定的充分条件.利用矩阵范数的性质及线性矩阵不等式(LMI)理论,又得到了两个便于计算和验证的推论.提供了一种估计网络渐近稳定平衡点吸引域的方法,并详尽地分析了吸引域对神经网络实现联想记忆的影响.数值例子进一步证明了结论的有效性.     

具反映扩散无穷连续分布时滞神经网络的全局渐近稳定性

利用同伦不变性原理、Dini导数、格林公式,研究了一类具反应扩散的无穷时滞神经网络系统的平衡点的存在唯一性和全局渐近稳定性.在去掉对神经元的激励函数有界性、可微性、去掉对平均时滞∫∞0sk(s)ds有界性的要求,仅要求激励函数满足Lipchitz条件等较宽松的条件下,获得了该类系统的全局渐近稳定性的充分条件.改进和推广了已有文献的最新结果.并用实例说明了这些获得的结果的有效性.     

二阶Hopfield型神经网络的稳定性 分析及收敛速度的估计

本文讨论二阶连续Hopfield型神经网络平衡点的全局稳定性问题,利用LMI方法和Lyapunov方法得到了网络平衡点全局渐近稳定和全局指数稳定的几个充分条件,并对其指数收敛速度进行了估计.     

延迟离散Hopfield网络的稳定性条件

主要利用状态转移方程和定义能量函数的方法对具有时延的离散Hopfield神经网络的动力学行为进行了研究,并且获得了若干稳定性结果.给出了延迟离散Hopfield神经网络收敛于周期为4的极限环的一个充分条件,获得了延迟网络有稳定状态的条件,并且得到了延迟网络既没有稳定状态也没有周期为2的极限环的条件.同时,这些结果用两个例子进行了验证.这些结果推广了一些已有的离散Hopfield神经网络的稳定性结果.     

离散Hopfield神经网络的稳定性研究

离散Hopfield神经网络的稳定性是网络应用的基础.文中主要研究非对称离散Hopfield神经网络的异步、同步、部分同步演化方式的稳定性,并给出了一些新的稳定性条件,所获结果推广了一些已有的结论.     

具有反应扩散的Hopfield神经网络的稳定性

本文利用平均Lyapunov函数,研究了具有反应扩散的Hopfield神经网络平衡位置的全局渐近稳定性及局部渐近稳定性.其结果包含了国际上一些最新结果为特例.     

基于Poisson-Markov场的超分辨力图像复原算法

图像的超分辨力复原和信噪比的提高是图像复原追求的目标.Poisson-ML图像复原方法(PML)具有很强的超分辨力复原能力,但在复原过程中会产生振荡条纹且对带噪较大的图像不能取得理想的复原效果.在Poisson和Markov分布假设的基础上,提出基于Poisson-Markov场的超分辨力图像复原算法及其正则化参数的自适应选择方法(MPML).实验表明,MPML算法不但具有很好的超分辨力复原能力,而且能有效减少和去除复原图像中的振荡条纹,对于带噪较大的图像也能取得理想的复原效果,因此其图像复原质量明显好于PML算法.正则化参数能被自动优化地选择且与图像复原的迭代运算同步进行.     

具有参数摄动的时滞Hopfield神经网络的鲁棒稳定性分析及吸引域的估计

研究一类具有参数摄动的时滞Hopfield神经网络模型的鲁棒稳定性.应用Lyapunov泛函法,给出了平衡点渐近稳定的充分条件.利用矩阵范数的性质及线性矩阵不等式(LMI)理论,又得到了两个便于计算和验证的推论.提供了一种估计网络渐近稳定平衡点吸引域的方法,并详尽地分析了吸引域对神经网络实现联想记忆的影响.数值例子进一步证明了结论的有效性.     

不确定随机变时滞神经网络的全局渐进稳定性

采用It(o)'s微分公式和不等式分析技巧,研究了一类不确定随机变时滞神经网络的全局渐进稳定性问题.该模型同时考虑了神经网络模型的两种扰动因素,即随机扰动与不确定性扰动.不确定性参数是时变且范数有界的.通过构造适当的Lyapunov泛函,以线性矩阵不等式形式给出了平衡点在均方根意义下的全局渐进稳定性判据,能够利用LMI工具箱很容易地进行检验.此外,仿真示例证明了结论的有效性.