时滞递归神经网络鲁棒稳定性分析的统一方法

针对具有范数有界不确定性和恒定时滞的标准神经网络模型(SNNM),利用李亚普诺夫稳定性理论和S-方法给出了其鲁棒稳定的判定条件,稳定性判据被表示为线性矩阵不等式的形式,易于求解.大多数时滞(非时滞)递归神经网络(RNNs)都可以转化为SNNM,从而可以用统一的方法进行分析,克服了以往方法中存在的不足.给出的实例中,利用SNNM的结论对常见的一类RNNs的鲁棒稳定性进行分析,结果表明该方法是简单有效的.

S-分布时滞神经网络概周期解的全局渐近稳定性

利用不动点理论和微分不等式技巧研究了S-分布时滞局域递归神经网络模型的概周期解,给出了概周期解存在性和全局渐近稳定性的充分条件。

带马尔可夫跳的时滞随机递归神经网络的以分布渐近稳定性

研究了带马尔可夫跳的时滞随机递归神经网络的以分布渐近稳定性问题通过构造合适的Lyapunov泛函，得到了判定带马尔可夫跳的时滞随机递归神经网络的以分布渐近稳定的充分条件．并举例说明结论的有效性．