一类BAM随机神经网络的稳定性

对于一类双向联想记忆(BAM)随机神经网络,研究其全局稳定性和指数稳定性,利用Schwarz积分不等式和It积分性质,给出其稳定性判定的充分性条件.

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．

一类随机BAM细胞神经网络的指数稳定性

研究了一类随机BAM细胞神经网络的指数稳定性,利用Lyapunov函数理论、It公式和线性矩阵不等式方法,建立了这种细胞神经网络均方指数稳定性判定的充分性条件.

随机时滞BAM神经网络的全局散逸性

把不确定性因素考虑到双向联想记忆神经网络(BAM)中,得到一类带Brown运动的随机时滞双向联想记忆神经网络(BAM)模型.在激活函数有界的条件下,研究了随机时滞BAM神经网络的全局散逸性.通过Lyapunov泛函、Jensen不等式和It公式等,讨论了随机时滞BAM神经网络系统均方散逸的充分条件,给出了该系统散逸的吸引集.通过数值例子对所给出的结论进行了验证.

一类随机惯性时滞BAM神经网络的指数稳定性

研究一类随机惯性时滞BAM神经网络,通过引入变量替换将二阶微分系统变换为一阶微分系统.利用微分方程有关知识,Schwarz不等式、Ito积分性质和递推归纳,讨论其系统解的有界性和指数稳定性,并给出其判定的充分条件,最后给出数值例子说明所得结果容易验证.