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.     

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。     

时滞细胞神经网络的稳定性研究

根据李雅普诺夫稳定性定理，利用不等式技巧，研究了具有时滞的细胞神经网络的稳定性，得到了与滞量无关的网络渐近稳定性的充分判据，该判据可用于时滞细胞神经网络的设计与检验，有重要的理论意义和应用价值。     

具有时滞的高阶Hopfield型神经网络的稳定性

通过Lyapunov泛函的方法，对具有时滞的高阶连续型Hopfield神经网络平衡点的稳定性进行分析，利用Razumikhin定理得到平衡点全局一致渐近稳定的时滞相关与时滞无关充分条件。     

广义的时滞细胞神经网络的动态分析

本文研究了广义细胞神经网络的动态行为,首先利用度理论建立了客中广义时滞细胞神经网络的平衡点存在唯一物充要条件,其次给出这种广义时滞神经网络全局指数稳定的充要条件。     

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。     

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。     

时滞细胞神经网络的全局指数稳定

本文利用Halanny时滞微分不等式和Lyapunov函数来研究具有可变时滞的细胞神经网络的平衡状态的全局指数稳定性,得到了不依赖于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。     

一类时变时滞模糊细胞神经网络的 时滞依赖指数稳定性判据

 针对一类带有时变时滞的模糊细胞神经网络,通过适当的构造Lyapunov-Krasovskii泛函,以线性矩阵不等式的形式提出了一种新颖的依赖于时滞的全局指数稳定性判据.与之前结果相比,所提出的判据针对模糊时滞项进行了变换,从而首次考虑了模糊细胞神经网络中非模糊项的连接权矩阵中元素的符号问题,降低了判据的保守性.并且时滞变化率的限制将被放松.仿真结果进一步证明了判据的有效性.     

带时延的细胞神经网络的无条件稳定性

本文利用泛函微分方程稳定性分析的方法之一－－Ｌｉａｐｕｎｏｖ泛函法给出了带 时延的细胞神经网络ＤＣＮＮ无条件稳定的一些充分条件，这些条件可用于设计出全局稳定的网络，因而具有重要的理论意义和应用价值。     

Stability for Cellular Neural Networks with Delay

The cellular neural networks with delay (DCNN‘s) are investigated, and some new sufficient conditions on asymptotical stability of DCNN‘s are derived by constructing the Liapunov functional and utilizing M-matrix and the ω-limit set. It is shown that the new conditions are not related to the delayed parameter.     

一类具多比例延时的细胞神经网络的指数稳定性

讨论了一类具多比例延时的细胞神经网络的指数稳定性.利用非线性测度得到了一个保证平衡点存在唯一且指数稳定的充分条件,并给出了解的指数收敛速度.最后验证了结论的正确性并进行了模拟仿真.     

Exponential Stability for Delayed Cellular Neural Networks

The exponential stability of the delayed cellular neural networks （DCNN＇s） is investigated. By dividing the network state variables into some parts according to the characters of the neural networks, some new sufficient conditions of exponential stability are derived via constructing a Liapunov function. It is shown that the conditions differ from previous ones. The new conditions, which are associated with some initial value, are represented by some blocks of the interconnection matrix.     

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.     

Global Exponential Stability of Almost Periodic Solution of Cellular Neural Networks with Time-Varying Delays

In this paper, global exponential stability of almost periodic solution of cellular neural networks with time-varing delays （CNNVDs） is considered. By using the methods of the topological degree theory and generalized Halanay inequality, a few new applicable criteria are established for the existence and global exponential stability of almost periodic solution. Some previous results are improved and extended in this letter and one example is given to illustrate the effectiveness of the new results.