具分布时滞模糊BAM神经网络的指数稳定性

介绍了一类具分布时滞的模糊BAM(bi-directional associative memory)神经网络。通过构造Lyapunov-Krasovskii泛函及利用线性矩阵不等式方法,得到了此类系统平衡点的指数稳定性的一个充分条件。在设计具时滞的人工BAM神经网络时,全局指数稳定的结果有很重要的意义。此外,给出一个实例说明我们的结果是可行的。

具时变时滞模糊BAM神经网络周期解的稳定性

本文利用Lyapunov泛函及不等式(2ab≤ra2+1/rb2,r>0)导出了判定模糊BAM(bi-directional associa-tive memory)神经网络周期解的存在性与稳定性的一些充分条件,得到了其周期解全局指数稳定性的一些新的简单判据.

一类具变时滞的非自治模糊BAM神经网络周期解的全局指数稳定性

研究一类在以往文献中很少提及的具变时滞的非自治模糊BAM(bi-directional associative memory)神经网络.通过构造Lyapuonv函数,利用M-矩阵理论以及Yang不等式等分析技巧,给出非自治模糊BAM神经网络周期解的全局指数稳定性的充分条件,这些条件去掉了对激活函数的有界性、单调性和可微性的要求,且在某些情况下更易验证.最后通过一个例子验证了所给结果的有效性.

变时滞模糊BAM神经网络的全局指数稳定性

本文讨论了一类具有变时滞模糊FBAM(fuzzy bi-directional associate memory)神经网络平衡点的存在性和全局指数稳定性,利用不动点定理及Halanay型不等式获得了平衡点存在唯一性及全局指数稳定性的充分条件,所得结论容易验证.最后举例说明所得结果的可行性。

分布时滞模糊BAM神经网络模型的指数稳定性

详细介绍了一类具分布时滞的模糊BAM(Bi-direction Associate Memory)神经网络模型.在合适的条件下,通过数学分析技巧和压缩映像原理,证明了模型平衡点的存在唯一性;通过构造Liapunov泛函,利用Lipschitz激励函数性质,获得了平衡点的指数稳定性.

一类时滞模糊BAM神经网络周期解的全局指数稳定性的新准则

研究了一类具变时滞模糊BAM(bi-directional associative memory)神经网络。利用Yang不等式和构造Lyapuonv函数等技巧,在弱化条件下给出了BAM神经网络周期解的全局指数稳定性的充分条件。

时间尺度上漏项中具有变时滞的中立型模糊BAM神经网络的概周期解

本文研究了一类时间尺度上漏项中具有变时滞的中立型模糊BAM神经网络.利用时间尺度上线性动力学方程的指数二分法,Banach不动点定理和时间尺度上的微积分理论,得到了这类模糊BAM神经网络在时间尺度上概周期解的存在性和指数稳定性的充分条件.

模糊惯性BAM神经网络固定时间同步

研究了具有时变无界时滞的模糊惯性BAM神经网络的固定时间同步问题。首先,使用压缩映射原理,证明其平衡点存在的唯一性。其次,通过设计Lyapunov函数和反馈控制器,采用非降阶法得到其固定时间同步判定准则。最后,通过数值仿真验证了结果的正确性。