时滞惯性神经网络的稳定性和分岔控制

针对一类二阶时滞惯性神经网络模型,提出一种基于时滞反馈的分岔控制方法.利用时滞微分方程动力学理论,给出反馈控制系统的稳定性以及发生Hopf分岔的判别条件.数值仿真显示所设计的控制器不仅能有效延迟网络分岔的发生,还能扩大稳定域并改善网络的收敛速度.

一类随机惯性时滞神经网络的稳定性

研究一类随机惯性时滞神经网络稳定性问题.通过引入适当变量变换将二阶微分系统转换为一阶微分系统,利用同胚映射,Ito公式和微分算子,构造恰当的Lyapunov函数和采用递推归纳,给出其系统平衡点存在唯一及全局渐近稳定和解指数稳定判定的充分条件,最后通过数值模拟例子说明所得理论结果的正确性.

异步跳变惯性神经网络的有限时间同步

针对一类由时滞惯性神经网络组成的马尔可夫异步跳变驱动-响应系统,研究了其在有限时间区间上的同步问题。首先,为了解决推导同步准则过程中的困难,设计了一个非连续的针对闭环系统的控制器;然后,基于李雅普诺夫理论,提出了一些新的李雅普诺夫泛函,并结合反凸组合方法和自由权矩阵方法,对李雅普诺夫泛函的导数进行了合理且有效地放缩;最后,根据所设李雅普诺夫泛函的特征以及系统初始条件,给出了一个较小保守性的有限时间同步结果。数值仿真和保密通信应用实例仿真说明了该控制器设计方法的有效性和实用性。

时空时滞混沌系统反同步控制及应用研究

针对一类新的时空时滞惯性神经网络,研究其反同步控制及在图像保密通信上的应用。采用变量代换准则,避免了原二阶微分系统固有的复杂特性;设计一个有效地输出反馈控制器,并结合詹森(Jensen)不等式和互凸组合(RCC)方法,得到了一个较小保守性的时空时滞惯性神经网络反同步定理;通过仿真实现了主要结果在图像保密通信上的应用并证明了所提加密方法的优越性。

一类随机惯性时滞BAM神经网络的指数稳定性

研究一类随机惯性时滞BAM神经网络,通过引入变量替换将二阶微分系统变换为一阶微分系统.利用微分方程有关知识,Schwarz不等式、Ito积分性质和递推归纳,讨论其系统解的有界性和指数稳定性,并给出其判定的充分条件,最后给出数值例子说明所得结果容易验证.

一类具有惯性随机时滞神经网络的指数同步

研究一类具有惯性随机时滞神经网络的指数同步.首先,根据同步概念构造受控的响应系统,得到相应的误差系统.其次,引入适当的变量替换将二阶微分系统变换为一阶微分系统.利用Ito积分性质,微分算子,分别采用构造Lyapunov函数和直接应用微积分有关性质的方法,给出了判定其指数同步稳定的两个不同充分条件,最后通过两个数值例子说明所得结果容易验证.