一类时滞Hopfield神经网络系统的全局稳定性

研究一类时滞Hopfield神经网络系统的平衡状态的存在性与全局稳定性 ,这类系统放弃了以前对激活函数的可微性与单调性要求。利用M矩阵理论 ,通过构造适当的Liapunov泛函 ,得到了系统全局渐近稳定的充分条件 ,改进了以前的相关结论。

一类时滞Hopfield神经网络系统的全局指数稳定

研究一类时滞Hopfield神经网络系统的平衡状态全局指数稳定性 .在放宽对激励函数的可微性与单调性要求的前提下 ,利用矩阵理论构造适当的李雅普诺夫泛函 ,得到系统全局指数稳定的充分条件 .

非线性时滞系统双阶段神经网络的改进广义预测控制

针对一类工业控制系统中存在的非线性、大时滞等情况,提出一种基于双阶段神经网络的改进隐式广义预测控制方法。首先,设计了一种基于快速回归算法和蝙蝠算法的双阶段神经网络模型,用于对非线性时滞系统进行建模,避免非线性系统下的模型失配问题;其次,采用比例积分(proportional integration, PI)结构优化广义预测控制目标函数设计,提高隐式广义预测控制性能;同时,改进控制增量选取策略,利用所预测的未来控制增量修正当前时刻控制增量;最后,将所设计的预测模型和预测控制方法应用于一个数值案例和锅炉燃烧系统,验证了所提控制策略的有效性。

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。

基于RBF神经网络的磁悬浮时滞系统Backstepping控制与仿真

磁悬浮系统能使铁磁性物体悬浮在空中,可以应用于科研、医疗、娱乐、交通等多个领域。为了解决非线性、不稳定磁悬浮系统的控制问题,建立了磁悬浮时滞系统的数学模型,采用了Backstepping控制以及RBF神经网络和Backstepping控制结合的方法进行研究,采用李雅普诺夫稳定性理论分别设计非线性控制器,保证闭环系统的理论稳定。在此基础上,利用Radial basis function (RBF)神经网络的逼近特性,设计了自适应律,研究了对系统中未知函数的拟合。最后,通过MATLAB对两种控制方法的效果进行对比,仿真结果表明,两种方法均能使系统稳定,RBF神经网络与Backstepping控制结合的方法能较快实现稳定,效果更好,且RBF神经网络对未知函数的拟合效果也良好。

一类具多比例时滞Hopfield神经网络的稳定性

讨论了一类具多比例时滞Hopfield神经网络的稳定性,通过构造合适的Lyapunov泛函,得到了神经网络全局渐近稳定、全局多项式稳定和全局指数稳定的充分条件。最后,给出相应的数值例子,验证了结论的正确性。

具有时变时滞的Cohen-Grossberg神经网络的广义同步

本文利用辅助系统方法研究了一类具有时变时滞的Cohen-Grossberg型神经网络的广义同步问题。首先,基于李雅普诺夫稳定性理论,得到了保证响应系统和辅助系统之间实现指数同步的充分条件。其次,利用线性矩阵不等式,得到了响应系统和辅助系统有限时间混合外同步的充分条件。随后,根据辅助系统方法得出驱动系统与响应系统广义同步。上述结果同样适用于延迟细胞神经网络,结果具有一般性。最后,给出相应的数值模拟来验证所得结论的有效性。

具有时滞的Hopfield人工神经网络动力系统模型的全局渐近稳定性(英文)

Hopfield人工神经网络动力系统模型平衡点的全局渐近稳定性在网络记忆以及最优化等领域具有广泛的应用.本文中,作者研究了一类具有时滞的Hopfield人工神经网络动力系统,通过构造Liapunov泛函的方法,获得了其平衡点全局渐近稳定和局部渐近稳定的充分判定条件.所给出的判定条件只依赖于系统本身的系数参数和传递函数以及系统中出现的部分时滞.同时,当系统的自身反馈项为负时,此自身反馈项对于系统的稳定性起到稳定化的作用.此外,数值模拟表明时滞的变化对于系统的稳定性具有重要的影响,可破坏系统的稳定性,进而产生周期振动或更为复杂的非线性现象.

Hopfield型时滞神经网络的稳定性分析

研究了具有时滞的Hopfield型神经网络模型平衡点的全局渐近稳定性· 去掉了有关文献中关于fj 在R上有界性、可微性的条件 ,给出了更弱的实用性较强的判定平衡点的存在唯一性及全局渐近稳定性的条件 。

变时滞Hopfield神经网络模型的全局指数稳定性和全局吸引性

本文研究了具有变时滞的Hopfield神经网络模型。在非线性神经元激励函数是Lipschitz连续(而非已有的大部分文献中较强的条件)的条件下,运用Halanay一维时滞微分不等式等方法,得到了该系统的平衡点是全局指数稳定以及其模型自身满足全局吸引性。

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．

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.

Hopfield型时滞神经网络的指数稳定性

研究了Ｈｏｐｆｉｅｌｄ型随机时滞神经网络ｄｘ（ｔ）＝［－Ａｘ（ｔ）＋Ｂσ（ｘ（ｔ一τ））］ｄｔ＋ｆ（ｔ．ｘ（ｔ），Ｘ（ｔ—τ））ｄｗ（ｔ）的均方指数稳定性与几乎必然指数稳定性．应用Ｌａｙａｐｕｎｏｖ函数与鞅不等式，建立了这种随机时滞神经网络指数稳定的时滞相关的充分条件．文献中某些关于确定性的时滞神经网络ｘ（ｔ）＝－Ａｘ（ｔ）＋Ｂσ（ｘ（ｔ－τ））与神经网络ｘ（ｔ）＝－Ａｘ（ｔ）＋Ｂσ（ｘ（ｔ））的稳定准则是文中的特殊情况．

一类具有时滞的广义Hopfield神经网络的动态分析

研究了一类具有时滞的广义Hopfield神经网络的动态行为·放宽了对Hopfield神经网络的互连结构必须为对称的要求,考虑一类具有时滞的且互连结构为非对称的广义Hopfield神经网络的稳定性问题·通过构造适当的Lyapunov泛函及扇区条件,给出了平衡点渐近稳定的充分条件·在Hopfield神经网络的设计及实现过程中,这些条件是很实用的·仿真结果进一步证明了结论的有效性·

一类具有分布时滞的Hopfield神经网络的稳定性

利用谱半径和不等式分析技巧研究了一类具有分布时滞的Hopfield神经网络模型的全局指数稳定性,得到了全局指数稳定性的一些充分判别条件,推广了一些文献的结果.

非线性时滞大系统自适应神经网络分散控制

针对一类未知非线性时滞关联大系统,提出一种自适应神经网络分散跟踪控制方案.采用神经网络逼近各子系统内部的非线性函数和关联项中的时滞非线性函数;利用占有方法处理时滞项,采用B ackstepp ing技术设计分散控制律和参数自适应律.基于Lyapunov-K rasov isk ii泛函证明了闭环大系统所有信号半全局一致最终有界.通过调节设计参数和增加神经元个数,可以实现任意输出跟踪精度.实例仿真说明了该方案的可行性.

具有时滞的二阶Hopfield神经网络的稳定性分析

对具有时滞的二阶Hopfield型神经网络平衡点的全局渐近稳定性问题进行了研究。在不要求连接权矩阵的对称性和输入输出函数的可微性与单调性的情况下 ,通过构造适当的Lyapunov泛函得到了网络平衡点的存在性和全局渐近稳定性的若干充分条件 ,这些条件可用于设计全局渐近稳定的二阶人工神经网络。

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.

时滞Hopfield神经网络模型的全局吸引性和全局指数稳定性

对具有时滞的Hopfield神经网络模型 ,在非线性神经元激励函数是Lipschitz连续 (而非已有的大部分文献中假设是Sigmoid函数 )的条件下 ,通过构造适当的泛函 ,给出了这类模型全局吸引和平衡点全局指数稳定的易于验证的充分条件·