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.     

随机型细胞神经网络的稳定性

借助于李雅谱洛夫理论、矩阵分析方法和Itô公式,结合不等式分析技巧,研究了随机细胞神经网络系统的均方指数稳定性,给出了系统的解的二阶矩Liapunov指数估计式和均方指数稳定的充分条件。     

具有混合时滞模糊神经网络的全局指数稳定性分析

主要研究一类具有混合时滞的模糊神经网络.运用不动点定理,M-矩阵理论和一些分析技术,得到了唯一平衡点存在和全局指数稳定的充分条件.实例证明了所得结果的有效性.     

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.     

分段连续型随机微分方程的均方指数稳定性

本文讨论了自变量分段连续型随机微分方程解析解的均方指数稳定性。通过对解析解表达式的分析，得到了解析解均方指数稳定的充要条件m（1）〈1。     

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。     

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.     

多时变时滞神经网络的全局指数稳定

通过构造Lyapunov-Krasovskii泛函分析了一类多时变时滞神经网络的全局指数稳定性问题。不要求神经网络激励函数的有界性、单调性和可微性,得到了保证平衡点唯一性和全局指数稳定的新的独立于时滞的充分条件。该充分条件可表示为一个线性矩阵不等式的形式,进而易于验证。通过几个注释说明及与其他文献结果进行比较验证了该方法的有效性。     

脉冲时滞细胞神经网络系统的指数稳定性

讨论了一类具有时滞的脉冲细胞神经网络的全局指数稳定性。利用Lyapunov函数和不等式技巧得到了该系统全局指数稳定的一个充分条件,同时给出示例说明结果的有效性。     

含扩散项时滞模糊Cohen-Grossberg神经网络的指数稳定性

文章讨论了一类含扩散项的混合时滞模糊Cohen-Grossberg神经网络,通过一些基本分析手段和不等式技巧,得到了平衡点的唯一性和全局指数稳定性的充分条件,通过实例模型验证了指数稳定性。     

具时滞离散递归神经网络的全局指数稳定性

研究了一类具时滞离散递归神经网络平衡点的全局指数稳定性问题.对连续有界激活函数做扇形非线性条件假定,用Lyapunov-Krasovskii稳定性理论和线性矩阵不等式方法,得到了具时滞离散递归神经网络模型在平衡点全局指数稳定的一些充分条件.数值例子说明了本文结果的有效性.     

具有参数不确定、干扰、混合时变时滞的随机细胞神经网络的鲁棒稳定性及H∞控制

研究了一类具有离散与分布时滞的不确定随机模糊细胞神经网络在外部干扰下的鲁棒稳定性和控制,在不确定性项范数有界的条件下,通过构造Lyapunov泛函,运用Ito公式,给出了系统鲁棒稳定和控制的充分条件,并给出实例验证了结论的可行性。     

含脉冲的变时滞静态神经网络的渐近稳定性

研究了变时滞的静态神经网络在含有脉冲情况下的稳定性.通过构造恰当的Laypunov泛函,利用线性矩阵不等式方法,证明了该模型在延迟依赖条件下的全局渐近稳定性.同时考虑了时滞和脉冲的影响,因而考虑的情况更具普遍性,适用的范围更广.仿真实例说明所得结果适用范围宽、保守性小、易于验证.     

随机马尔科夫跳变时滞神经网络的状态估计

研究了一类具有离散和分布时滞的随机马尔科夫跳变神经网络的状态估计问题。基于伊藤引理、Lyapunov-Krasovskii泛函等理论,通过积分不等式方法得到时滞神经网络全局渐近均方稳定条件,再以线性矩阵不等式为求解工具,设计出状态估计器,最后通过数值例子对所提方法的有效性进行验证。