多时滞区间神经网路的全局鲁棒稳定性分析

本文利用Lyapunov—Krasovskii稳定性定理和线性矩阵不等式技术，得到了多时滞区间神经网路全局鲁棒稳定性的一个新的稳定性规则。该规则推广了最近文献中的一些结果，并通过数值仿真证实了结果的正确性。

S-分布时滞区间细胞神经网络的全局渐近鲁棒稳定性

研究了一类具有S-分布时滞的区间细胞神经网络的全局渐近鲁棒稳定性问题,得到了实用有效的判别准则并给出了实例.

不确定区间时变时滞神经网络的鲁棒控制

研究了一类不确定时变时滞神经网络的鲁棒控制问题。利用Lyapunov-Krasovakii泛函和积分不等式方法,得到了该神经网络系统的鲁棒H∞稳定性准则和镇定条件。与已有文献相比,所获得的研究结论改进了目前现有的成果,尤其在减小条件保守性及降低结果冗余设计方面都有比较大的进步。数值算例验证了所给方法的正确性。

时变时滞区间神经网络指数鲁棒稳定性改进的判别方法

文章研究具有时变时滞区间神经网络系统的指数鲁棒稳定性.采用Halanay不等式、不动点理论及矩阵理论推导出指数鲁棒稳定性的一个改进的判别条件.该结果不同于以往线性矩阵不等式形式的条件,是通过计算矩阵的算子范数来判断稳定性的.

区间时滞神经网络的随机稳定性

分析了区间变时滞的随机神经网络的全局渐进稳定性。区间变时滞不仅考虑了时变因素,而且考虑了时滞时变的上界和下界。通过It's微分公式和构造适当的李雅普罗夫泛函,并且引入自由权值矩阵,以线性矩阵不等式形式给出了该系统在均方意义下的全局渐进稳定的充分性判据。数值算例进一步证明了结论的有效性。

基于增广泛函的混合时滞区间神经网络的鲁棒稳定性

本文针对一类带有混合时变时滞(离散和分布时滞)的区间递归神经网络进行了全局鲁棒稳定性研究.与之前的处理方法不同,在本文中通过使用一种新型的增广Lyapunov-Krasovskii泛函,从而得到了一类新颖的关于区间递归神经网络的时滞依赖全局鲁棒稳定性判据.在新的增广泛函中,由于首次使用了带有激活函数的积分项,系统状态和激活函数之间的关系将被更好地表示出来.因此,本文提出的判据具有更小的保守性.同时,在本文提出的判据中,放松了时变时滞变化率必须小于1的限制.仿真结果进一步证明了本文结果的有效性.

带区间时变时滞的BAM神经网络渐近稳定性

针对一类具有区间时滞和随机干扰的BAM神经网络的全局渐近稳定性问题,通过构造合适的Lyapunov-Krasovskii泛函,应用随机分析和自由权值矩阵方法,并考虑时滞区间范围,得到了新的稳定性充分条件。该条件能够保证时滞BAM神经网络在均方意义下是全局渐近稳定的,同时适用于快时滞和慢时滞,其适用范围更广。最后,通过一个仿真实例证明了定理的有效性。

具有反应扩散和区间时滞的不确定细胞神经网络新的时滞依赖稳定性准则

考虑时滞、反应扩散、不确定项对细胞神经网络稳定性的影响是非常必要的。通过引入区间时滞,构造新的Lyapunov泛函,运用Jenson不等式和串联补偿技术,得到了系统保持稳定新的判据,并以线性矩阵不等式(LMI)呈现,且这些判据适合时滞的快慢变化,减少了系统的保守性。

混合时滞区间神经网络鲁棒指数稳定性

讨论了混合时滞区间神经网络的全局鲁棒指数稳定性.利用拓扑度理论和不等式技巧给出了一个混合时滞区间神经网络平衡点的存在唯一性以及全局鲁棒指数稳定性的条件.

不确定区间时滞Markov跳变BAM神经网络的鲁棒指数稳定性

讨论了具有不确定区间时滞的BAM神经网络的鲁棒均方指数稳定性问题。通过构造适当的Lya-punov-Krasovskii泛函,利用一些新的定界技术,以线性矩阵不等式形式给出了Markov跳变BAM神经网络的时滞且区间相关的全局鲁棒指数稳定性判据,该判据利用Matlab的LMI工具很容易进行检验。给出数值示例,说明了判据的有效性与优越性。

分布时滞区间神经网络的脉冲同步控制

利用脉冲控制方法研究了具有分布时滞的区间神经网络的全局指数同步问题,充分考虑了分布时滞和不确定的区间参数对系统的影响.设计了一个新的脉冲控制器来保证区间神经网络的全局指数同步,整个系统的同步在很大程度上依赖于本文所设计的脉冲控制器.通过构造Lyapunov函数,利用脉冲微分不等式技术及其它数学方法,给出了驱动系统和响应系统实现全局指数同步的充分判据.所得判据均由LMI形式给出,易于通过Matlab中的工具箱进行验证.最后,通过数值算例和仿真结果验证了相关结论的可行性和有效性.

时变时滞区间神经网络的全局鲁棒稳定性判据

本文主要研究时变时滞区间神经网络的全局鲁棒稳定性问题,利用区间神经网络的等价转换和自由矩阵技术,给出一个新的区间神经网络平衡点的时滞依赖全局鲁棒稳定性的充分条件,这个条件以线性矩阵不等式的形式给出,容易验证,保守性低。最后,通过数值实例验证了所提算法的正确性和更低的保守性。

一类时滞区间神经网络的全局鲁棒指数周期性

在不要求激活函数有界,可微和单调的条件下,利用不等式分析技巧和Lyapunov泛函方法讨论了一类时滞区间神经网络的全局鲁棒指数稳定性和周期性,给出了实用有效的判据,推广了有关文献中的结果.

一类含脉冲的随机区间细胞神经网络模型的周期解和稳定性

讨论了一类含脉冲的S-分布时滞随机区间细胞神经网络的周期解和指数稳定性问题。利用随机分析的知识、不等式技巧和Poincaré压缩映像理论,研究了系统周期解的存在性和稳定性,得到了S-分布时滞随机细胞神经网络周期解的存在性和全局p阶指数稳定性的新代数判据,同时对周期解的指数收敛率进行了估计,最后通过例子说明了结果的实用性和有效性。

S-分布时滞随机区间细胞神经网络的全局指数鲁棒稳定性

利用Lyapunov稳定性理论和随机分析的方法,给出了在均方意义下系统全局指数鲁棒稳定性的判据,并且给出了几乎必然指数稳定性的代数判据,通过仿真例子说明结果的实用性。

基于划分时滞区间的一类Cohen-Grossberg神经网络的鲁棒稳定性

研究一类具有时变时滞及参数不确性的Cohen-Grossberg神经网络的鲁棒稳定性问题.应用划分时滞区间的思想构造了一个新的Lyapunov泛函,并以线性矩阵不等式的形式给出了平衡点全局鲁棒稳定性判据,新判据放松了时变时滞变化率必须小于1的限制.仿真结果进一步证明了所得结论的有效性.