具时变时滞的随机模糊Cohen-Grossberg神经网络的均方指数输入状态稳定性（英文）

本文对具随机和时变时滞效应的模糊Cohen-Grossberg神经网络的均方指数输入/状态稳定性进行了研究.利用Razumikhin技巧和时滞微分不等式,本文得到了神经网络的均方指数输入对状态稳定性的充分条件,并给出了一个例子来说明该方法的有效性.

一类混合中立型随机泛函微分方程的均方指数稳定性

研究了一类混合中立型随机泛函微分方程的均方指数稳定性.借助停时序列证明了此类随机系统解的存在唯一性,再利用比较原理和反证法建立了判定混合中立型随机泛函微分方程均方指数稳定的新准则.

分数布朗运动驱动的随机微分方程的稳定性

考虑如下形式的由分数布朗运动驱动的随机微分方程的均方指数稳定性,{dX(t)=(AX(t)+f(t,X(t))dt+g(t)dB^(H)(t)X(t)=φ(t),t∈[0,T]式中Hurst参数H∈(0,1/2)。通过对该方程中分数布朗运动的维纳积分进行估计,得到矩估计不等式。在一些特定条件下,采用积分不等式讨论了温和解的稳定性,给出相应的例子,验证了结论的准确性。

随机Hopfield时滞神经网络均方指数稳定性:LMI方法

该文通过系统变换技巧,构造出新型的Lyapunov泛函．利用此Lyapunov泛函,基于线性矩阵不等式,得到了随机Hopfield时滞神经网络与时滞相关及与时滞无关均方指数稳定性新的充分条件．数值例子表明,与已有结果相比,该文的结果具有较少的保守性．

基于状态反馈的Markov切换随机时滞系统的均方指数稳定性

考察一类Markov切换时变时滞随机系统的均方指数稳定性.利用基于Liapunov函数和线性矩阵不等式的方法,给出了使状态反馈控制系统能克服不确定性和随机干扰,在均方意义下达到指数稳定的充分条件.当Markov链遍历所有模态时,给出了一个独立于Markov链模态集的增益矩阵,使得状态反馈控制系统均方指数稳定.

不确定变时滞随机系统的鲁棒均方指数稳定性

研究了不确定变时滞随机系统的鲁棒均方指数稳定性问题,不确定性是范数有界的.通过构造Lyapunov泛函,得到了基于线性矩阵不等式的鲁棒均方指数稳定的充分条件.最后给出实例加以验证所提出方法的有效性.

随机时滞Hopfield神经网络的均方指数稳定性

利用Ｌｙａｐｕｎｏｖ泛函和Ｉｔｏ公式，研究了具有时滞的随机Ｈｏｐｆｉｅｌｄ型神经网络的均方指数稳定性．证明了三条定理和三个推论．当随机扰动为零时，便得到确定性的时滞神经网络指数稳定的结果．

单调型条件下随机微分方程θ-方法的均方指数稳定性(英文)

本文研究高度非线性随机微分方程(SDEs)的数值解稳定性性质.给出θ-方法均方指数稳定性的充分条件.与现有文献不同,本文无需单边线性增长条件和充分小的步长.本文在单调型的条件下,并且至于要步长满足一个很弱的条件即可.因此本文是对现有文献的很大改进.

具有马氏切换的脉冲时滞神经网络的均方指数稳定性分析

为了研究一类具有马氏切换的脉冲时滞非自治Hopfield神经网络的均分指数稳定性,基于随机分析技巧和Razumikhin方法,建立一个体现交叉项的新颖向量非自治Halanay不等式.通过使用Lyapunov方法,将该不等式和切换系统及脉冲系统理论分析工具有机的结合,针对所研究的非自治神经网络系统建立了均方指数稳定的充分性判据.该不等式在结构和神经网络系统兼容,可减少因放缩带来的误差,且所得的判据具有较小的保守性,放宽了现有文献中对时滞变化率的限制.最后通过数值例子,证明研究结果的有效性.

S-分布时滞随机高阶Hopfield神经网络的均方指数稳定性

考虑了一类具有S-分布时滞随机高阶Hopfield神经网络模型的动力行为.利用Lyapunov泛函方法、随机分析理论和不等式技巧,研究了网络的均方指数稳定性,给出了均方稳定性判据,并以实例证明了结论的正确性.

不确定随机时滞跳变系统的均方指数稳定性及H_∞控制

讨论一类具有Markov跳变参数的It-type不确定随机时变时滞系统的均方指数稳定性及H∞控制问题。利用线性矩阵不等式给出系统以干扰衰减指数γ衰减的均方指数稳定性的充分条件。基于Lyapunov-Krasovskii函数的方法设计无记忆状态反馈控制器,证明了对所有容许的不确定性,闭环系统均方指数稳定并且以干扰衰减指数γ衰减。最后,通过一个数值仿真验证了该方法的有效性。

S-分布时滞随机竞争神经网络的均方指数鲁棒稳定性研究

讨论了S-分布时滞随机竞争神经网络模型解的存在性和渐近行为,运用Lyapunov泛函方法和随机分析技巧,研究了网络的均方指数鲁棒稳定性,给出了易于验证的稳定性判据。

分布时滞随机偏微分系统的均方指数稳定性

针对一类同时具有分布时滞和维纳过程的随机偏微分系统,首先基于ItÔ微分公式,通过计算弱无穷小算子,得到了随机微分导数;其次利用Green公式和积分不等式及Schur补引理对矩阵不等式进行处理;然后对微分两边积分并同时取数学期望处理随机交叉项;获得了分布时滞随机偏微分系统是均方指数稳定的充分条件.在此基础上,进一步考虑了离散变时滞和分布变时滞在一定约束情形下的分布时滞随机偏微分系统的均方指数稳定性问题.最后给出仿真实例,仿真结果表明所获得的线性矩阵不等式条件保证了系统的稳定性,验证了所得结论的有效性.

连续线性不确定时滞系统的时滞分布和时滞区间相关的鲁棒指数均方稳定性判据

解决了一类时滞服从二项分布的连续线性不确定时滞系统的鲁棒稳定性问题。利用李雅普诺夫稳定性理论和线性矩阵不等式方法,给出改进的该类系统的时滞分布和时滞区间相关的鲁棒指数均方稳定性判据。判据以线性矩阵不等式形式给出,方便于使用MAT-LAB软件中的LMI工具箱求解。理论的和数值的比较表明所提出判据比文献中的具有更小保守性。

基于马氏切换的时滞脉冲随机Cohen-Grossberg神经网络模型的均方指数稳定性分析

通过向量Lyapunov函数,给随机CGNNs以均方估计,研究基于马氏切换的脉冲时滞随机Cohen-Grossberg神经网络模型的均方指数稳定性,并利用数值例子对结论加以证明.

随机时滞微分方程的随机线性θ方法的均方指数稳定性

给出了随机时滞微分方程随机线性θ方法的均方指数稳定性的充分条件,证明了当扩散系数高度非线性(即不满足线性增长条件)时,随机线性θ方法仍可能均方指数稳定。本文研究结果在相同条件下加强了Huang在文献[5]中关于随机线性θ方法稳定性的结果。

随机混合时滞的Cohen-Grossberg神经网络均方指数稳定性的新判据

研究了随机混合时滞的Cohen-Grossberg神经网络的均方指数稳定性,运用了常数变易公式、随机比较原理的方法,得到其均方指数稳定的充分条件,并给出了数值例子来验证结论的有效性和正确性.

具有混合时滞Cohen-Grossberg随机神经网络的均方指数稳定性

研究了具有时变时滞与分布时滞的随机Cohen-Grossberg神经网络的均方指数稳定性.运用It微分公式沿所考虑的神经网络对构造的Lyapunvo函数进行微分,利用时滞微分不等式得到其均方指数稳定的几个充分判据.仿真例子证明了结果的有效性.

随机延迟积分微分方程θ-方法的指数均方稳定性

研究了线性随机延迟积分微分方程的数值稳定性,建立了分裂θ-方法和随机线性θ-方法求解线性随机延迟积分微分方程并讨论其稳定性。当θ∈[0,1/2]时,对于步长和漂移系数在一定的限制条件下,两类θ-方法是均方指数稳定的,而对于θ∈(1/2,1],这两类数值格式的指数均方稳定性是没有限制条件的。

带跳时滞随机微分方程E-M方法指数稳定性

研究带跳时滞随机微分方程Euler-Maruyama方法的指数稳定性.在全局Lipschitz条件及解析解和数值解在均方有界的条件下,证明SDDEJs的指数稳定性的充要条件是Euler-Maruyama方法下构造的数值解是指数稳定性的.避免寻找Lyapunov函数的困难,将指数稳定性的等价关系推广到带跳情形.