带时延的细胞神经网络的无条件稳定性

本文利用泛函微分方程稳定性分析的方法之一──Ｌｉａｐｕｎｏｖ泛函法给出了带时延的细胞神经网络ＤＣＮＮ无条件稳定的一些充分条件．这些条件可用于设计出全局稳定的网络，因而具有重要的理论意义和应用价值．

时延细胞神经网络的全局稳定性(英文)

给出了时延细胞神经网络全局稳定性的一个新的充分条件。通过构造 Lyapunov泛函并结合对 Young不等式分析,研究了一类带时延的细胞神经网络的全局稳定性问题。经理论分析和数学推导表明,全局稳定性的一个简单充分判据与时延无关,并具有实可调参数。所得的结果对于设计带时延的细胞神经网络有重要的指导意义。

时延细胞神经网络的全局稳定性分析

本文利用 Ｌｙａｐｕｎｏｖ泛函方法和一些分析技巧得到了一类时延细胞神经网络ＤＣＮＮ全局渐进稳定性的若干新的判据；这些判据可用于设计出全局稳定的各种动态网络，且在信号处理，特别是动态图象处理中具有重要的意义．

一个带时延神经网络的分岔现象研究

本文借助中心流形定理详细讨论了一个带时延神经网络的Hopf分岔和周期解的渐近稳定性,给出了确定周期解的渐近稳定性。分岔方向、周期和解的渐近形式的一个算法,并进行了计算机仿真实验,仿真实验表明了所讨论的结果的有效性与正确性。

时延细胞神经网络的渐近稳定性条件

该文利用一个新的Liapunov函数,讨论了带时延细胞神经网络的全局渐近稳定性,得到了一些判定网络的全局渐近稳定新的充分条件,所得到的结果较之P.P.Civalleri等人的结果简单和实用且对于具体设计带时延细胞神经网络有重要的指导意义。

变时延细胞神经网络模型的全局指数稳定性

利用Brouwer不动点定理 ,推广的Halanay时延微分不等式 ,以及Dini导数 ,讨论具有可变时延的细胞神经网络平衡态的存在性和全局指数稳定性 ,在输出函数较一般的条件下 ,得到了非常简单实用的判别条件。

具时延的细胞神经网络的全局渐近稳定性分析

本文通过Lyapunov泛函方法和新的不等式a^2b≤(2a^3+b^3)/3,(a,b≥0)分析技巧,讨论了一类具时延的细胞神经网络DCNN全局渐近稳定性问题,得到了若干新的充分判据,这些判据可用于设计出各种全局稳定的网络。

具变时延细胞神经网络模型的全局指数稳定性

通过构造新的Lyapunov泛函,巧妙引入可调实参数,并结合H ardy不等式以及推广的H alanay时延微分不等式,讨论了一类具有可变时延细胞神经网络(DCNNs)的全局指数稳定性问题,所得结果改进、推广了文[7]、文[8]中相应的结论,并可应用于以前所不能处理的若干情形。特别地,还通过实例说明了相应准则的应用,扩大了神经网络设计的范围,这在理论上和应用中都有着重要意义。

时延细胞神经网络的指数稳定性和周期解

研究时延细胞神经网络周期解的存在性和全局指数稳定性问题 .巧妙地引入可调实参数di>0 (1 ,2 ,… ,n) ,通过构造Lyapunov泛函并结合有效的分析技巧 ,给出新的充分准则 .所得的结果 ,推广和改进已有报道的相关结果 .这些准则可用于设计全局指数稳定的和周期振荡的具时滞的神经网络 ,扩大神经网络设计的范围 .

时延细胞神经网络(DCNN)的全局稳定性

讨论具时延的细胞神经网络（DCNN）的全局渐近稳定性，利用Lyapunov泛涵方法，通过构造Lyapunov泛涵，对DCNN的稳定性进行再分析．给出了DCNN全局渐近稳定时一些充分条件．

时延细胞神经网络的概周期解问题

研究时延细胞神经网络的概周期解问题 ,巧妙地引入可调实参数 di>0 (i=1,2 ,… ,n) .获得该神经网络存在唯一的概周期解的充分条件 ,以及所有其它解均指数地收敛于此概周期解的充分条件 .

时延细胞神经网络的全局渐近稳定性

通过 Lyapunov泛函方法和新的不等式分析技巧 ,讨论了一类时延细胞神经网络的全局渐近稳定性问题 ,得到了一个新的充分判据 。

时延细胞神经网络的全局渐近稳定性

通过构造新的Lyapunov泛函,在Lyapunov泛函中巧妙引入可调的实参数,并结合不等式运用的一些技巧,讨论了时延细胞神经网络的全局渐近稳定性问题,得到了该模型的平衡点全局渐近稳定的一些新的充分条件。所得的结果改进推广了已有文献中相应的一些结论,并且可应用于以前所不能处理的若干情形。理论分析和数学推导表明,全局渐近稳定性的一个简单充分判据与时延是有关的。所得结果突出了时延对于细胞神经网络的全局渐近稳定性的影响,这对于设计带时延的细胞神经网络有着重要的参考价值。此外,通过实例说明了相应结果的应用,这在理论上和应用中都有着重要的意义。

时延细胞神经网络全局渐近稳定性的一个充分条件

基于Lyapunov方法和不等式分析技巧,讨论了一类时延细胞神经网络(DCNN)全局渐近稳定性问题,给出了一个新的充分判据,该判据可用于设计出全局稳定的神经网络.

基于WOA-LSTM的窄带通信网网络时延预测算法

为了给窄带通信网的链路选择及协议的智能切换提供实时参考,设计了一种基于鲸鱼优化算法(WOA)和长短期记忆神经网络(LSTM)的窄带通信网网络时延预测算法。首先对实测数据样本进行标准化处理,以LSTM神经网络算法的均方根误差函数的倒数作为适应度函数;其次采用鲸鱼优化算法对LSTM神经网络的学习率、隐含层神经元个数进行优化,最后将全局最优解输出作为LSTM神经网络的初始参数对样本进行训练预测。结果表明,基于WOA-LSTM的网络时延预测算法预测精度相较于LSTM神经网络算法和BP神经网络算法分别提高了14.87%和78.89%,WOA-LSTM达到收敛时迭代次数相较于LSTM神经网络算法减少了11.11%。所提算法新颖可靠,可更准确地进行网络时延预测,为窄带通信网网络的智能化与自动化升级提供数据支持。

时延细胞神经网络的指数稳定性和周期解

通过构造适当的Lyapunov泛函 ,巧妙引入参数q ij,r ij,qij,rij∈R和wi>0(i,j=1 ,2 ,… ,n) ,并结合不等式 2ab≤a2 +b2 分析技巧 ,讨论了一类时延细胞神经网络 (DCNNs)的全局指数稳定性和周期解的存在性 ,给出了一系列充分准则 .最后 。

时延细胞神经网络的全局稳定性讨论

利用 Ｌｙａｐｕｎｏｖ泛函方法，对一类时延细胞神经网络（ＤＣＮＮ）给出了若干新的稳定性准则，这些准则对设计全局稳定的神经网络，具有重要的理论和应用价值．