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．     

基于LMI方法的时滞细胞神经网络稳定性分析

神经网络是一个复杂的大规模非线性系统,而时滞神经网络的动态行为更为丰富和复杂．现有的研究时滞神经网络稳定性的方法中最为流行的是Lyapunov方法．它把稳定性问题变为某些适当地定义在系统轨迹上的泛函,通过这些泛函相应的稳定性条件就可以获得．该文得到了时滞细胞神经网络渐近稳定性的一些充分条件．作者利用了泛函微分方程的Lyapunov—Krasovskii稳定性理论和线性矩阵不等式(LMI)方法,精炼和推广了一些已有的结果．它们比目前文献报道的结果更少保守．该文还给出了确定时滞细胞神经网络稳定性更多的判定准则．     

具有时变时滞的递归神经网络的渐近稳定性分析

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.研究了带时变时滞的递归神经网络的全局渐近稳定性.首先将要研究的模型转化为描述系统模型,然后利用Lyapunov-Krasovskii稳定性定理、线性矩阵不等式(LMI)技术、S过程和代数不等式方法,得到了确保时变时滞递归神经网络渐近稳定性的新的充分条件,并将它应用于常时滞神经网络和时滞细胞神经网络模型,分别得到了相应的全局渐近稳定性条件.理论分析和数值模拟显示,所得结果为时滞递归神经网络提供了新的稳定性判定准则.     

区间时变细胞神经网络的全局鲁棒指数稳定性

研究了一类区间时变扰动、变时滞细胞神经网络的全局鲁棒指数稳定性问题．利用Leibniz-Newton公式对原系统进行模型变换,并分析了变换模型和原始模型的等价性．基于变换模型,运用线性矩阵不等式的方法,通过选择适当的Lyapunov-Krasovskii泛函,推导了该系统全局鲁棒指数稳定的时滞相关的充分条件．通过数值实例将所得结果与前人的结果相比较,表明了本文所提出的稳定判据具有更低的保守性．     

具漏泄时滞的细胞神经网络多周期性分析

针对一类具有漏泄时滞细胞神经网络模型,首先给出该类网络的周期环在饱和区局部指数收敛的充分条件.研究表明,一个n维网络可以有2"个周期环存在于饱和区,并且这些周期环是局部指数收敛的.然后,研究了该时滞细胞神经网络指数周期的一个特殊情形---指数稳定.数值例子和仿真结果验证了所得结果的有效性.