一类离散反馈型时滞细胞神经网络模型及其数值模拟

细胞神经网络是一个大规模非线性系统,具有高速并行计算且易于硬件实现等特点,已被广泛应用于模式识别,图像处理等领域。本文基于时滞方程和反馈控制,对离散反馈型细胞神经网络进行设计,给出了满足相应功能的模板及其动力学分析,提出了一类离散反馈型时滞细胞神经网络,并借助模拟平台Matlab 7.0对基础的随机布朗运动进行了初步的数值模拟,数值模拟结果充分显示了布朗运动的随机性,证实了理论分析的有效性。该模型经过一定时间后能对粒子的随机状态作出反馈,可用于模拟二维平面上的随机行走。

基于无穷时滞细胞神经网络的稳定性分析:连续和离散模型（英文）

首先,利用泛函微分方程、稳定性分析、Lyapunov泛函等理论,我们研究了具有无穷时滞连续细胞神经网络的动力学行为,并得到了其平衡点的存在性、唯一性以及全局指数稳定的充分条件;其次,我们利用半离散化方法,得到了连续系统的离散化模型,并对其动力学行为进行了分析;最后,我们通过数值模拟验证了本文的结论是真实有效的.

带有离散滞后时滞和非线性脉冲效应的模糊细胞神经网络的指数同步

研究了具有离散滞后时滞和非线性脉冲效应的模糊细胞神经网络的指数同步,通过Lyapunov函数方法和不等式方法,利用p-范数得到了新的指数同步的充分条件,最后举例说明结论是有效的.

离散型随机BAM神经网络时滞分布依赖全局指数稳定性

研究一类具有随机时滞与随机干扰的离散型BAM神经网络的全局指数稳定性，所建模型同时考虑离散时滞变化区间与分布概率对稳定性的影响．通过构造新的Lyapunov泛函并结合线性矩阵不等式（LMI）方法，得到了均方意义下依赖于时滞分布的全局指数稳定性条件．

基于时滞分割法的具有leakage项时滞的离散型神经网络状态估计

摘要：研究一类具有leakage时滞的离散型神经网络的状态估计问题．通过构造新的Lyapunov泛函得到保证估计误差全局渐近稳定的充分条件，并通过求解一个线性矩阵不等式（LMI）得到状态估计器的增益矩阵．采用一种新的时滞分割方法将变时滞区间分割为多个子区间，使该结果在获得更小的保守性同时也降低了计算的复杂度．

混合变时滞的中立型神经网络全局指数稳定性

利用Lyapunov-Krasovskii稳定性理论和线性矩阵不等式(LMI)处理方法,研究了一类具有混合时变时滞的中立型细胞神经网络的全局指数稳定性问题,获得了该模型平衡点全局指数稳定的一个新的充分条件.改进和推广了已有文献的结果,降低了系统的保守性.所得结论对更好的模拟细胞神经网络的行为具有重要的指导意义.

离散时滞的模糊细胞神经网络的渐近稳定性

通过Lyapunov函数讨论具有离散时滞的模糊细胞神经网络(Fuzzy Cellular Neural Networks,FCNN)的全局渐近稳定性,得到全局渐近稳定性的一些充分条件.

一类细胞神经网络的时滞相关全局稳定性判据

研究了一类带有离散和分布时间滞后的不确定时滞细胞神经网络(DCNN)的全局渐进稳定性。应用李亚普诺夫稳定性理论,构造李亚普诺夫泛函,结合Leibniz-Newton公式,给出一个关于时滞细胞神经网络的新颖的全局渐进稳定性判据,所得出的结论依赖于时间滞后的最大值并且以线性矩阵不等式的形式给出。最后给出一个数值例子来说明所提判据的有效性和可行性。

具有参数不确定、干扰、混合时变时滞的随机细胞神经网络的鲁棒稳定性及H_∞控制

研究了一类具有离散与分布时滞的不确定随机模糊细胞神经网络在外部干扰下的鲁棒稳定性和控制,在不确定性项范数有界的条件下,通过构造Lyapunov泛函,运用Ito公式,给出了系统鲁棒稳定和控制的充分条件,并给出实例验证了结论的可行性。

反馈控制的离散型时滞多种群生物系统的持久性

使用差分比较定理和迭代方法,研究反馈控制的离散型时滞多种群生物系统的持久性问题,获得了该系统持久性的充分条件,并对一个实例进行数值模拟,验证了结论的有效性.

模糊随机BAM神经网络的固定时间同步

对带有时滞的模糊随机BAM神经网络进行了固定时间同步分析.在传统BAM神经网络的框架下,引入了随机扰动、模糊性、离散时滞的影响,使得网络模型更符合实际系统,拓展了模型的应用范围.在此基础上,通过设计合适的反馈控制器,利用Lyapunov方法,得到了系统达到固定时间同步的判定准则.最后进行了数值模拟验证理论结果的有效性.

具S-型分布时滞的细胞神经网络的概周期解

该文研究一类具S-型分布时滞的细胞神经网络(CNNs)的概周期解及全局指数型稳定性问题.利用指数型二分性和Schauder不动点定理以及构造Lyapunov函数,得到了细胞神经网络模型概周期解和指数稳定性的一些充分条件.此外,给出一个实例说明结果是可行的.

具S-型分布时滞的模糊细胞神经网络的周期解及指数稳定性

研究了一类具S-型分布时滞的模糊细胞神经网络(FCNN)的周期解及全局指数稳定性问题.在不要求激励函数全局L ipsch itz条件下,通过使用指数型二分性和Schauder不动点定理以及构造Lyapunov函数,得到了模糊细胞神经网络模型周期解和指数稳定性的一些充分条件.此外,给出一个实例说明结果是可行的.

具有leakage时滞与随机干扰的离散神经网络渐近稳定性分析

研究了一类具有leakage时滞与随机干扰的离散型神经网络的全局渐近稳定性问题.利用一种新的时滞分割方法将时滞区间分割为多个区间.通过构造新的Lyapunov泛函得到了基于线性矩阵不等式(LMI)的渐近稳定性判据.该判据在获得更小的保守性同时也降低了计算的复杂度.

反馈型CNN解的稳定性

研究了具有时滞的反馈型细胞神经网络，利用李雅普诺夫函数、常数交易法以及不等式分析技巧，证明了具有时滞的反馈型细胞神经网络的解的有界性，同时给出了任意解全局指数稳定和渐近稳定的充分条件。

时滞离散智能系统的动态输出反馈镇定控制器综合的统一方法

提出标准神经网络模型(SNNM)来描述包含神经网络或T-S模糊模型的时滞(或非时滞)离散智能系统.SNNM由离散线性动力学系统和有界静态非线性算子连接而成.利用SNNM的全局渐近稳定性分析的结果,分别设计线性或非线性动态输出反馈控制器,使得SNNM的闭环系统稳定.控制方程可以表示为线性矩阵不等式(LMI)形式,便于利用各种凸优化算法求解以获得控制规律.大部分基于神经网络(或模糊模型)的时滞(或非时滞)离散智能系统都可以转化为SNNM,以便采用统一的方法来综合这些智能系统的控制器.SNNM的3个应用例子表明:SNNM不仅使得大多数基于神经网络(或模糊模型)的离散智能系统镇定控制器的综合简单易行,而且为其他类型的非线性系统的控制器综合提供新的思路.

具有比例时滞的高阶中立型CNNs的概周期解与稳定性

对一类含比例时滞和D算子的高阶中立型细胞神经网络的概周期解的存在性和广义指数稳定进行研究。【方法】通过构造概周期函数空间并利用压缩不动点原理,首先得到系统概周期解存在的充分条件。再利用分析技巧,给出系统概周期解的广义指数稳定的充分条件。【结果】在系统参数满足一定不等式条件下,系统的概周期解存在且是广义指数稳定的,所获结果与比例时滞无关。【结论】研究结果推进了现有文献中相关工作。