随机变时滞递归神经网络的几乎指数稳定性

研究了一类随机变时滞递归神经网络的几乎指数稳定性问题。利用Lyapunov函数方法和It公式,结合矩阵分析技巧,给出了系统几乎指数稳定的判别准则。数值例子说明了该结果的有效性。

随机时滞Hopfield型神经网络的几乎指数稳定性

利用Lyapunov泛函和It^o公式,研究了具有时滞的随机Hopfield型神经网络的几乎指数稳定性,证明了一个定理和两个推论.当随机扰动为0时,得到确定性的时滞神经网络指数稳定性的结果.

具有饱和输入的半马尔可夫线性系统的几乎必然指数稳定性分析

随机切换系统作为模拟受随机结构变化影响的动态过程的特殊混合系统,在众多领域具有广泛应用。马尔可夫线性系统(MLSs)作为重要模型备受关注,然而其逗留时间服从指数分布且转换速率恒定,限制了其应用范围。为克服这些限制,引入了半马尔可夫线性系统(S-MLSs),其适用性更为广泛,允许子系统的逗留时间和转换速率是时变的。本文针对S-MLSs的几乎必然指数稳定性问题展开探讨,采用了线性矩阵不等式(LMIs)技术解决控制问题。我们提出了新的稳定性充分条件,改进了现有研究并减少了保守性。然而,目前的研究忽视了执行器饱和问题,这在实践中不可避免且严重影响闭环系统的性能。因此,本文旨在解决受随机扰动和执行器饱和影响的S-MLSs的几乎必然指数稳定问题,填补了该领域的研究空白。

随机延迟细胞神经网络的几乎必然指数稳定性

依据细胞神经网络的输出函数的饱和线性特征,将状态空间分解成子区域来研究一类延时细胞神经网络在噪声环境下的几乎必然指数稳定性。当细胞神经网络模型的扰动项满足Lipschitz条件时,得到一些几乎必然指数稳定的代数标准。所有结果只需计算网络的平衡点与矩阵的特征值。

随机延时细胞神经网络的几乎必然指数稳定性

依据细胞神经网络的输出函数特征,将状态空间分解成子区域,研究了一类随机延时细胞神经网络在噪声环境下的几乎必然指数稳定性.当细胞神经网络模型的扰动项满足Lipschitz条件时,得到一些几乎必然指数稳定的代数准则.如果细胞神经网络的平衡点是子区域的内点,并且与这个平衡点相关的矩阵有一个稳定度使扰动稳定,则细胞神经网络的平衡点仍保持指数稳定的性质.所有结果只需计算网络的平衡点与矩阵的特征值.

带有Poisson跳的随机延迟微分方程数值算法的几乎必然指数稳定性

运用Lyapunov函数和半鞅收敛定理,研究了带有Poisson跳的随机延迟微分方程(SDDEJ)在满足局部Lipschitz条件和线性增长条件时,如何保证全局解的唯一存在性,证明了用EM算法和倒向EM算法求解带有Poisson跳的随机延迟微分方程(SDDEJ)所得数值解的几乎必然指数稳定性.

Khasminskii型条件下随机延迟微分方程θ-方法的几乎必然指数稳定性（英文）

本文是我们之前工作的延伸,本文作者和殷荣城(2013)在单调型条件下考察了随机微分方程的θ方法的均方稳定性.在之前的结论中,我们考虑的是不带延迟的随机系统的均方稳定性.而本文,我们希望进一步考虑带延迟的随机系统的几乎必然稳定性.本文在修改后的Khasminskii条件下得到随机延迟微分方程θ方法的几乎必然指数稳定性.该结果使现有结论得到可观的推进.

Markov跳变的非线性脉冲系统指数稳定性

研究了具有Markov跳变的随机脉冲系统的p阶矩指数稳定性和几乎必然指数稳定性.首先,利用平均停留时间,基于Lyapunov函数,建立了这类系统指数稳定的充分条件;然后,基于M-矩阵,给出了指数稳定的代数判据;最后,给出一个例子说明本文结果的有效性.

微分方程的指数稳定性

比较系统地研究了It方程解的指数稳定性.给出了随机指数稳定性、指数P-稳定性、几乎必然指数稳定性的比较准则,这些比较准则推广了Nevel’son和Has’minskiǐ的相应结果.

中立型时滞随机微分方程数值解的指数稳定性

讨论了中立型时滞随机微分方程向后欧拉与前后欧拉数值解的几乎处处渐近指数稳定性,结果表明,在给定条件下,对于任意初值,用向后欧拉方法与前后欧拉方法得到非线性中立型时滞随机微分方程的数值解都是几乎处处渐近指数稳定的。

中立型随机比例微分方程的数值解的指数稳定性（英文）

本文主要利用半鞅收敛定理,研究中立型随机比例微分方程的数值稳定性.该文建立了线性的和非线性的中立型随机比例微分方程新的细则,我们将证明,在线性增长条件下,欧拉方法可以保留中立型随机比例微分方程的几乎处处指数稳定性,并且反向的欧拉方法能保留非线性的中立型随机比例微分方程的几乎处处指数稳定性.

带Markov跳跃参数的奇异随机微分方程指数稳定性

通过构造新的Lyapunov函数,并利用矩阵范数的定义和性质,在Markov调制的随机微分方程的指数稳定性基础上,建立了Markov调制的奇异随机微分方程的p阶指数稳定性和几乎必然指数稳定性的条件并予以证明．

Ito型倒向随机微分方程的稳定性和不稳定性

为了给研究经济问题中产生的倒向随机微分方程的稳定性提供有力的判据，利用Lyapunov函数方法和反上鞅收敛定理，给出了It（？）型倒向随机微分方程的指数p稳定性、几乎必然指数稳定性、q不稳定性等判定定理．

马尔可夫调制的随机IS-LM模型的随机稳定性研究

文章研究了经济系统处于上涨与下跌周期性的波动情形下(引入二元离散状态值的马尔可夫链)的随机性波动环境中。通过利用Mao文献中的随机稳定性方法探讨了在给定参数条件下的马尔可夫调制的标准随机IS-LM模型的几乎必然指数稳定性行为,得到了平凡解的一阶几乎必然指数稳定的条件。

时滞随机微分方程的稳定性分析

本文在局部鞅收敛定理和Ito公式的基础上,研究了时滞随机微分方程的指数稳定性,得到了随机方程的几乎必然指数稳定性的充分判据,并给出了Lyapunov指数的一种估计方法,推广了某些文献的结果。

随机时滞Hopfield型神经网络稳定性分析

研究了一类随机时滞Hopfield型神经网络的稳定性.利用Lyapunov函数和It(?)公式,结合不等式分析技巧,给出了系统均方指数稳定和几乎必然指数稳定的充分条件.

随机延迟微分方程SST方法的稳定性

在延迟随机微分方程领域,随机分步theta(SST)数值方法的应用成果较少。研究随机分步theta(SST)方法应用于随机延迟微分方程(SDDEs)时的稳定性性质,给出在线性增长条件及单边Lipschitz条件下,SST数值解能保持原方程真实解几乎必然指数稳定的一个充分条件。数值模拟验证了所得结果的正确性及有效性。

变时滞混合随机微分方程的几乎必然指数稳定化

本文研究一类多维变时滞混合随机微分方程的几乎必然指数稳定性,方程具体形式:dy(t)=f(y(t-δ1(t)),r(t),t)dt+g(y(t-δ2(t)),r(t),t)dω(t),其中,δ1(·),δ2(·):R+→[0,τ]表示变时滞,r(t)为一个Markov链.运用Lyapunov技巧,随机分析方法和BorelCantelli引理,该文证明了在一定的条件下,若此方程对应的混合随机微分方程:dx(t)=f(x(t),r(t),t)dt+g(x(t),r(t),t)dω(t)是几乎必然指数稳定的,则存在一个正常数τ,只要τ<τ,该方程也是几乎必然指数稳定的.这推广并改进了己有文献的一些结果.

网络控制系统的指数稳定最优控制

利用网络控制系统的增广矩阵模型,结合系统的指数稳定性能指标,构建了新的等价性能指标,导出了在该性能指标下有限时间和无限时间状态反馈最优控制律,并分析了系统的均方指数稳定性与几乎处处指数稳定性,最后给出无限时间最优控制的仿真结果,验证了本文结论的正确性。

带跳随机微分方程的Euler-Maruyama方法的几乎处处指数稳定性和矩稳定性

本文首先研究了一维带跳随机微分方程的指数稳定性,并证明Euler-Maruyama(EM)方法保持了解析解的稳定性.其次,研究了多维带跳随机微分方程的稳定性,证明若系数满足全局Lipchitz条件,则EM方法能够很好地保持解析解的几乎处处指数稳定性、均方指数稳定性.最后,给出算例来支持所得结论的正确性.