新的时滞递归神经网络鲁棒稳定性分析方法

通过引入标准神经网络模型(SNNM),为不同的递归神经网络(RNN)提供了一个统一分析框架.针对时滞SNNM的鲁棒渐进稳定和指数稳定问题,应用Lyapunov稳定性理论和S方法推导出基于线性矩阵不等式的充分条件.将鲁棒指数稳定性问题转化为一个广义特征值问题,既可以判断网络是否指数稳定,又可以方便地估计其最大指数收敛率,克服了以往方法中存在的不足.给出了将其他RNNs转化为SNNM的实例,并利用SNNM的相关结论对其进行了分析.仿真结果表明,该方法可以方便地对不同RNN的鲁棒稳定性进行分析,且稳定性条件易于求解.

对一类带干扰的系统的李雅普诺夫逆定理(英文)

考虑一类带干扰的系统稳定性的李雅普诺夫等价描述.特别,我们考虑当干扰函数在任一巴拿赫空间中取有界值的系统.由此,文章的主要结果将已有的关于鲁棒全局稳定性的李雅诺夫等价定理推广到干扰在无穷维巴拿赫空间取值的情形.