具周期输入的有限连续分布时滞神经网络周期解的全局指数稳定性

在去掉对激励函数有界、连续可导、平均时滞有界的条件下,仅要求激励函数满足Lipschitz条件和连接权矩阵之间的关系是一个M-矩阵的情形下,利用重合度理论、Dini导数等知识得出了具周期输入的有限连续分布的一类细胞神经网络周期解的存在性.利用Dini导数和不等式分析技术在同样条件下得出了周期解的指数稳定性.推广和改进了前人的结论.并举例说明了所得定理的有效性.

变时滞Hopfield神经网络模型的全局指数稳定性和全局吸引性

本文研究了具有变时滞的Hopfield神经网络模型。在非线性神经元激励函数是Lipschitz连续(而非已有的大部分文献中较强的条件)的条件下,运用Halanay一维时滞微分不等式等方法,得到了该系统的平衡点是全局指数稳定以及其模型自身满足全局吸引性。

变时滞分布参数系统的全局指数稳定性

基于比较原理,利用推广的向量Hanalay微分不等式,Dini导数,结合Green公式及不等式分析技术,研究几类变时滞分布参数控制系统所导出的滑动模运动方程的全局指数稳定性问题,在仅要求系数矩阵是个M-矩阵的条件下,获得了几类滑动模运动方程全局指数稳定性的充分条件,建立了滑动模运动方程全局指数稳定性定理.推广和改进了前人的结论.并为研究时滞分布参数系统的变结构控制问题奠定了基础.

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．

时滞杂交双向联想记忆神经网络的全局指数稳定性

在近十几年里 ,已提出了一类与双向联想记忆相联系的神经网络模型 ,这些模型推广了单层自联想Hebbian相关器为两层异联想模式匹配器 ,因而 ,这类网络在模式识别、信号与图像处理等领域中有广阔的应用前景 研究了带离散时滞杂交双向联想记忆神经网络的收敛特性 ,利用Halanay型不等式获得了网络全局指数稳定性的充分条件 ,所得结果是与时滞无关的 ;已证明利用Halanay型不等式获得的结果改进了由Lyapunov方法获得的结果 ,而且获得的结果容易判定 。

一类时间滞后关联大系统的全局指数稳定性

利用M 矩阵理论,通过构造适当的向量李雅普诺夫函数,研究一类具有时变时间滞后的线性关联大系统的全局指数稳定性.在时间滞后连续且有界的条件下,通过分析具有时间滞后的微分不等式的稳定性,得到了该类大系统全局指数稳定的一个判据.该判据利用大系统的系数矩阵以及与大系统关联的李雅普诺夫矩阵方程的解构造判定矩阵,根据判定矩阵是否为M 矩阵判定大系统的全局指数稳定性.该判据计算简便,且与时间滞后量无关, 便于应用.

反应扩散BAM神经网络的全局指数稳定性

利用拓扑度技巧、M-矩阵和变分理论,得到了考虑扩散因素在内的双向联想记忆人工神经网络系统的全局指数稳定性判定定理.结果表明,所给判据得出的指数稳定收敛速率估计比传统结果更精细.

二阶神经网络的全局指数稳定性分析

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 .二阶神经网络较一般神经网络具有更快的收敛速度 ,对于二阶连续型Hopfield神经网络 ,用 L yapunov方法讨论平衡点的全局指数稳定性 ,给出了平衡点全局指数稳定的几个判别准则 .作为特例 ,获得了连续型

带有比例时滞的复值神经网络全局指数稳定性

研究了带有比例时滞的复值神经网络全局指数稳定性问题.借助向量Lyapunov函数思想和同胚映射原理,并使用M-矩阵理论和不等式技巧,建立了网络平衡点存在性、唯一性和全局指数稳定性的判定条件.

具有变时滞的神经网络的全局指数稳定性

本文运用矩阵不等式方法和李雅普诺夫(Lyapunov)方法,研究具有变时滞的神经网络平衡点的存在性、唯一性和全局指数稳定性问题,得到了一个新的结果。此外,给出了两个实例,进一步说明了所得结果的有效性。

带脉冲变系数的BAM神经网络的全局指数稳定性(英文)

在固定脉冲时刻,利用无需有界、单调和可微的李普希茨激励函数,来研究BAM脉冲神经网络,获得平衡点的存在唯一性和全局指数稳定性的充分条件,然后通过举例来验证所得结论的有效性.

一类具有Leakage时滞的惯性Cohen-Grossberg神经网络的全局指数稳定性和Hopf分支

研究一类具有Leakage时滞的惯性Cohen-Grossberg神经网络模型.通过构造适当的Lyapunov泛函得到了平衡点全局指数稳定的充分条件.通过分析特征方程,讨论了系统平衡点的局部稳定性,得出了系统Hopf分支存在的充分条件.最后对所得理论结果进行了数值模拟.

双向联想记忆神经网络的全局指数稳定性

研究了带连续时延杂交双向联想记忆神经网络的全局指数稳定性 ,通过构造适当的Lyapunov泛函获得了与时延无关的充分条件且保证网络指数收敛到惟一稳定的平衡点 ,在证明过程中 ,并不要求突轴联结权的对称性和激活函数的单凋性与可微性 ,因此论文所推导的结果更具一般性。

细胞神经网络全局指数稳定性的新判据

综合运用矩阵范数、算子测度以及 Lyapunov函数法 ,讨论了细胞神经网络的全局指数稳定性 ,给出了一些较简洁的新的充分判据。

一类具分布时滞神经网络的全局指数稳定性(英文)

本文讨论了一类具分布时滞神经网络的稳定性.利用广义Dahlquist数和广义Halanay不等式,我们得到了该神经网络平衡点存在、唯一且全局指数稳定的充分条件.此外,我们的方法还估计出了神经网络指数收敛到平衡点的速度.由于我们的方法去除了关于激活函数的有界性、可微性和单调性的常用假设,因此我们的结果是某些现有结果的推广和改进.

细胞神经网络的全局指数稳定性

本文研究了细胞神经网络的全局指数稳定性问题,运用Lyapunov函数法和不等式的分析技巧给出了细胞神经网络全局指数稳定的三个判据。

一类时滞神经网络的全局指数稳定性

利用M-矩阵和拓扑学等有关知识,通过构建向量李雅普诺夫函数,研究了一类包含分布时滞和可变时滞的神经网络的平衡点的存在性、唯一性及其全局指数稳定性。在没有假定激励函数有界、可微的情况下,得到了该类神经网络平衡点的存在性、唯一性及其在平衡点全局指数稳定的充分判据。该判据计算简便,且与时间滞后量无关,便于在实践中应用。文中给出了一个算例。

一类随机非线性关联大系统的全局指数稳定性

为研究车辆建模导致的随机误差对自动化公路车辆系统等关联大系统的影响,将确定性箱体理论推广到随机箱体理论,利用M-矩阵理论和随机箱体理论,构造适当的向量Lyapunov函数,通过分析相应随机微分不等式的稳定性,利用随机大系统的系数矩阵以及与大系统关联的Lyapunov矩阵方程的解构造判定矩阵,得到该类大系统全局指数稳定性的充分性判据,即当判定矩阵为M-矩阵时,大系统是全局指数稳定的.仿真结果表明:本文算法收敛速度快,在20 s内系统状态就能达到稳定.

变时滞细胞神经网络的全局指数稳定性

研究了一类变时滞细胞神经网络平衡点的全局指数稳定性问题.在不要求激励函数全局Lipschitz条件下,利用Lyapunov函数方法和M-矩阵的特性,结合Young不等式和Halanay时滞微分不等式,得到了细胞神经网络模型在一定条件下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.

具比例时滞杂交双向联想记忆神经网络的全局指数稳定性

对一类具比例时滞杂交双向联想记忆神经网络进行研究,利用Brouwer不动点定理证明该网络的平衡点的存在唯一性.利用变换将具比例时滞杂交双向联想记忆神经网络变换成等价的具不等常时滞与变系数杂交双向联想记忆神经网络.利用不等式技巧建立一拟Halanay型不等式系统,进而得到了确保该系统全局指数稳定的时滞独立的充分条件.并给出两个算例验证所得结论的正确性.