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.

一类随机递归神经网络的稳定性分析

对一类具有时变时滞的随机递归神经网络模型,研究了其系统的全局渐近稳定性,并给出了一个新的控制器设计方法.基于逆最优方法和Lyapunov函数,在不需要求解Hamilton-Jacobi-Bellman方程情形下,对于一个有意义的成本函数,反馈控制器的设计既能使系统达到全局最优,又能保证系统的全局渐近稳定性.

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.

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．

关于随机时滞神经网络稳定性的注记(英文)

利用非负鞅收敛定理、Lyapunov泛函方法和网络自身的特性讨论了变时滞随机递归神经网络的随机指数稳定性,给出了这类神经网络随机指数稳定性的新的代数准则,所给代数准则简单易用。两个应用实例说明即使针对随机Hopfield神经网络所给的代数准则也优于相关的判别准则。