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．

一类随机时滞递归神经网络的指数稳定性(英文)

本文研究了一类随机时滞递归神经网络的指数稳定性问题.利用非负鞅收敛定理和Lyapunov泛函的方法,获得了这类神经网络矩指数稳定性的新的代数准则,所给代数准则简单易用.一个具体实例用来说明稳定性判别准则的应用.

具有一类不连续非单调激活函数的时滞递归神经网络的多稳定性分析

本文提出了一类不连续非单调激活函数,研究了具有这类激活函数的时滞递归神经网络的多稳定性。根据激活函数的几何特性和不动点定理,给出充分条件确保n维神经网络至少存在7n个平衡点,其中4n个是局部指数稳定的。然后,我们将结果推广到更一般的情况。在不增加充分条件的情况下,本文通过增加激活函数峰值点的数量k,得到n维神经网络可以具有 (2k+3)n 平衡点,其中是 (k+2)n 局部指数稳定的。与之前文献相比,总平衡点和稳定平衡点的数量大大地增加了,从而提高了递归神经网络的存储容量。最后,给出了一个例子来证明我们的理论结果。

随机时滞Hopfield神经网络分步θ方法的一般衰减率稳定性

旨在研究随机时滞Hopfield神经网络分步θ方法的一般衰减率稳定性。当θ∈[0,1/2)时,在步长受限的条件下,随机时滞Hopfield神经网络分步θ方法是一般衰减率稳定的。对于θ∈[1/2,1],不需要额外的步长要求,即可保证随机时滞Hopfield神经网络分步θ方法的一般衰减率稳定性。最后,通过一个数值例子验证所得结果的有效性。

具有变时滞和马尔可夫切换的随机递归神经网络的弱收敛(英文)

本文研究了具有变时滞和马尔可夫切换的随机递归神经网络的弱收敛,通过运用Lyapunov函数、随机分析技巧和推广了的Halanay不等式,得到了上述模型为弱收敛的充分性条件,并且我们揭示了对上述递归神经网络模型所确定的segment过程的转移概率的极限分布是此模型的解过程的唯一的遍历不变概率测度.此外,我们还给出了例子和数值模拟来说明我们结论的正确性.

随机变时滞递归神经网络的几乎指数稳定性

研究了一类随机变时滞递归神经网络的几乎指数稳定性问题。利用Lyapunov函数方法和It公式,结合矩阵分析技巧,给出了系统几乎指数稳定的判别准则。数值例子说明了该结果的有效性。

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．

时滞神经网络随机抽样控制的状态估计

研究了时滞神经网络随机抽样控制的状态估计问题.首先,给出了随机抽样区间和抽样输入时滞的统一概率结构.基于此结构,构造了一个包含新的锯齿结构项的Lyapunov泛函.然后,运用不等式放缩技术,得到了误差系统随机稳定的保守性更低的标准,并设计出了合适的状态估计器.最后,数值仿真算例验证了所得结果的优势和有效性.

具有可变时滞的Hopfield型随机神经网络的指数稳定性

研究了具有可变时滞的Ｈｏｐｆｉｅｌｄ型随机种经网络的指数稳定性，应用Ｒａｚｕｍｉｋｈｉｎ定理与 Ｌｙａｐｕｎｏｖ函数，建立了这种神经网络的均方指数稳定与几乎必然指数稳定的两类判据，一类是时 滞相关而另一类是时滞无关．

基于神经网络的不确定随机非线性时滞系统自适应有界镇定

针对一类不确定严格反馈随机非线性时滞系统的自适应有界镇定问题,利用神经网络参数化和Backstepping方法,提出一种新的且含较少学习参数的神经网络自适应控制策略,以保证系统半全局随机有界.稳定性分析证明闭环系统的所有误差信号概率意义下有界.仿真结果表明所提出控制器设计方法的有效性.

具有混合时滞的随机Hopfield神经网络的稳定性分析

讨论一类具有时变离散时滞和多时变分布时滞的随机Hopfield神经网络的均方鲁棒稳定性问题.假定激活函数既不可微也不严格单调,运用Lyapunov-Krasovskii泛函理论、随机分析理论和MATLAB中的LMI工具箱,推出系统渐近稳定的判别准则.最后通过数值例子论证该结果的有效性.

含反应扩散项和混合时滞的随机Hopfield神经网络的时滞相关全局指数稳定性分析

研究一类含反应扩散项和混合时滞的随机Hopfield神经网络的稳定性,通过构造恰当的Lya-punov泛函和运用不等式分析,得到了该网络平凡解时滞相关的全局均方指数稳定性条件,推广了已有的结果.利用一个例子,说明结果的有效性.

随机时滞反应扩散神经网络的指数稳定性

本文是讨论了一类随机变时滞反应扩散Hopfield神经网络的矩指数稳定性。利用平均Lya- punov泛函方法,随机偏微分方程的Ito公式和时滞微分不等式技巧,证明了随机变时滞反应扩散Hopfield神经网络的平衡解的矩指数稳定性,给出了这类随机变时滞神经网络平衡解矩指数稳定性的实用代数判据,得到了一些新结果。最后,给出了主要定理的一个应用实例。

具有混合时滞的随机细胞神经网络的稳定性分析

讨论了具有混合时滞的随机细胞神经网络的p-阶矩指数稳定和几乎必然指数稳定性.借助于局部鞅收敛定理、M-矩阵的性质和It公式,在较为宽松的扩散系数矩阵的限制条件下,得到了p-阶矩指数稳定和几乎必然指数稳定的充分条件,推广了现有一些文献的结果.

一类随机时滞神经网络的全局渐进稳定性分析

研究一类具变时滞与分布时滞的随机神经网络模型零解的全局渐进稳定性,该模型考虑了神经网络的随机扰动性。通过构造新型的Lyapunov泛函,结合不等式技巧,以线性矩阵不等式的形式,并给出了系统全局渐进稳定的充分条件。数值算例说明了结果的正确性。

时变时滞随机非线性系统的自适应神经网络跟踪控制

针对一类具有时变时滞的不确定随机非线性严格反馈系统的自适应跟踪问题,利用Razumikhin引理和backstepping方法,提出一种新的自适应神经网络跟踪控制器.该控制器可保证闭环系统的所有误差变量皆四阶矩半全局一致最终有界,并且跟踪误差可以稳定在原点附近的邻域内.仿真例子表明所提出控制方案的有效性.

具有分布时滞和无界时变时滞的随机神经网络的稳定性分析

通过引入衰减因子,构造一个新的Lyapunov泛函,结合不等式技巧,利用随机分析理论研究同时具有无界时变时滞和有界分布时滞的随机神经网络的p阶矩指数稳定性和几乎必然指数稳定性。所得稳定性判据只涉及系统本身参数,易于在实践中验证,结论推广改进了相关文献的结果。实例说明方法的有效性。

具有混合时滞的随机Cohen-Grossberg神经网络的稳定性分析

研究了均方意义下的具有时变时滞与分布时滞的随机Cohen-Grossberg神经网络的指数稳定性,利用It微分公式和Lyapunov泛函,得到了一个关于其指数稳定时滞无关的充分条件.具体实施方法是运用It微分公式沿所考虑的神经网络对构造的Lyapunov泛函进行微分,得到了系统稳定的代数判据.最后,通过一个数学样例说明了所得结论的有效性.目前文献尚未见同时具有时变时滞与分布时滞的随机Cohen-Grossberg神经网络的指数稳定性的相应结果,由于Cohen-Grossberg神经网络更具有代表性,其研究意义与应用前景不言而喻.

不确定随机离散分布时滞神经网络的鲁棒稳定性

采用It s微分公式和不等式分析技巧,研究了一类不确定随机离散分布时滞神经网络的鲁棒稳定性问题。该模型同时考虑了神经网络模型的两种扰动因素,即随机扰动与不确定性扰动。通过构造适当的Lyapunov泛函,以线性矩阵不等式形式给出了系统在均方根意义下的全局鲁棒稳定性判据,能够利用LM I工具箱很容易地进行检验。此外,仿真结果进一步证明了结论的有效性。

一类含连续分布时滞的随机Hopfiled神经网络模型的几乎必然指数稳定性和p阶矩指数稳定性

考虑一类含连续分布时滞的随机Hopfiled神经网络模型的几乎必然指数稳定性和p阶矩指数稳定性,借助创建Lyapunov函数和运用非负半鞅收敛定理得到了该网络模型平凡解几乎必然指数稳定和p阶矩指数稳定的充分条件,并通过2个例子,说明结果的有效性.