一类多轴突非自治神经网络的全局指数稳定性分析

在激励函数全局Lipschitz连续的条件下,通过构造恰当的Lyapunov泛函并结合不等式技巧研究了一类具有时变时滞,以及同时具有时变时滞和无穷分布时滞的多轴突非自治神经网络的全局指数稳定性.得到一系列系统全局指数稳定的充分条件,并举例验证了方法的有效性,推广了相关文献的结果.

变时滞非自治神经网络的有界性和全局指数稳定性

主要研究了一类变时滞的非自治神经网络的一致有界性、最终一致有界性和全局指数稳定性.通过构造恰当的Lyapunov泛函并应用广义泛函微分方程的有界性原理和Young不等式给出了多变时滞非自治神经网络解的有界性和稳定性的新的充分条件.文中无需考查模型平衡点的数目,同时也不要求激活函数可导、单调或是有界,所得结果更具有一般特性和新颖性,改善了相关文献的理论结果.通过举例进一步验证了所得结果的有效性.

时变时滞非自治神经网络的全局指数稳定性

在激励函数仅满足全局Lipschitz连续,时变时滞函数有界、连续可微且导数小于1的条件下,通过构造一个恰当的Lyapunov泛函并结合Young不等式,利用Lyapunov稳定性理论,首先研究了一类具有时变时滞的多轴突非自治神经网络系统的全局指数稳定性问题,得到一系列在实践中易于验证的、保证系统全局指数稳定的充分条件。作为特例,还得到了具有定常时滞的多轴突非自治系统以及一般的非自治系统的全局指数稳定性充分条件。其次,还得到了一类同时具有连续时变时滞和无穷分布时滞的多轴突非自治神经网络系统的全局指数稳定性充分条件。本文去掉了关于激励函数有界、可微等限制条件,推广并改进了相关文献的结果。本文的结果也适合自治神经网络系统。最后举例说明了本文方法的有效性。

非自治时滞神经网络的全局指数稳定性分析

利用微分不等式,并结合均值不等式以及Young不等式研究了一类具有时变时滞的非自治神经网络系统的全局指数稳定性,给出了一系列系统全局指数稳定的充分条件。由于去掉了激励函数单调有界、时变时滞函数连续可微等限制条件,因此结论具有更低的保守性,推广并改进了相关文献的结果。举例说明了方法的有效性。

具有变时滞非自治递归神经网络有界性和全局指数稳定性

目的研究变时滞的非自治递归神经网络的有界性和全局指数稳定性。方法利用广义的Halanay不等式和Lyapunov泛函方法。结果给出了保证变时滞非自治递归神经网络的全局指数稳定性的充分条件。结论文中无需考查模型平衡点的数目,也不要求激活函数可导或是单调,同时也摆脱时滞项可导的要求,所得结果具有一般特性和新颖性,改善了相关文献的理论结果。2个实例及其相应的数值仿真进一步验证了所得结果的有效性。