具有不连续激励函数的神经网络的多稳定性

讨论了一类具有不连续激励函数的神经网络多个平衡点的共存性和稳定性,利用Brouwer不动点原理,给出了多个平衡点同时存在的充分条件,利用构造Lyapunov函数和矩阵不等式技巧,给出了系统平衡点局部指数稳定的判别准则,并对获得的结果进行数值仿真实验,验证其有效性.

基于不连续激励函数的时滞分数阶复杂网络的牵制同步方法

针对复杂网络节点庞大、计算复杂、控制成本高等问题,提出具有不连续激励函数和时滞的分数阶复杂网络的牵制同步方法。采用牵制控制方法,牵制系统的部分关键节点,进而控制整个网络。利用分数阶李雅普诺夫稳定性方法,设计一种新型的牵制反馈控制器,得到分数阶复杂网络同步准则。仿真实验证明所了本方法的有效性。

具有不连续激励函数的忆阻神经网络的有限同步（英文）

研究具有不连续激励函数的忆阻神经网络系统并获得了该类系统有限时间同步的一个充分条件。该文的结论推广并改进了其他文献的相关结果。

具混合时滞和不连续激励函数的Cohen-Grossberg神经网络周期解的存在性

Cohen-Grossberg神经网络模型在信号处理、最优化问题中有重要应用,对其周期解的研究非常重要。本文利用集值版本的Mawhin重合度定理、M-矩阵理论和微分不等式技巧,研究了一类具有混合时滞和不连续激励函数的Cohen-Grossberg神经网络模型,建立了所研究模型周期解存在的充分条件,改进并推广了有关文献结果。

具不连续激励函数Cohen-Grossberg神经网络周期解的全局指数稳定性

本文研究了具时滞和周期系数的Cohen—Grossberg神经网络的稳定性.网络中的神经激励是一个可以具有跳跃间断点的单调不减函数,用来刻画神经元放大器的增益很高和趋向于无穷大的理想情形.在假设联结矩阵满足适当的条件下,我们获得了周期解存在,惟一和全局指数稳定的充分条件,且与时滞无关.所利用的假设条件与M-矩阵理论有关,容易验证.此外,由于激励函数的不连续性,我们介绍了一个适当的极限记号来研究时滞神经网络输出的收敛性.我们的结论推广了相关文献的结果.并给出了实例说明和数值模拟.