S-分布时滞区间细胞神经网络的全局渐近鲁棒稳定性

研究了一类具有S-分布时滞的区间细胞神经网络的全局渐近鲁棒稳定性问题,得到了实用有效的判别准则并给出了实例.

S-分布时滞反应扩散Hopfield神经网络稳定性

利用拓扑度理论和Lyapunov泛函方法研究了S-分布时滞反应扩散Hopfield神经网络平衡点的存在性及全局鲁棒指数稳定性.例子表明所得结果易于验证,具有广泛的适用性.

具有S-分布时滞的中立型细胞神经网络的周期解的存在性

由于具有S-分布时滞的中立型细胞神经网络的应用越来越广泛,因此对其进行研究不但是理论需要也是应用需要。本文通过利用拓扑度理论和不等式技巧,研究了具有S-分布时滞的中立型细胞神经网络周期解的存在性,给出了周期解存在的判据,并举例说明了所得结果的正确性,推广了相关文献[4,7]等的结果。

S-分布时滞随机竞争神经网络的指数稳定性

讨论S-分布时滞随机竞争神经网络模型解的存在性和渐近行为,运用Lyapunov泛函方法和随机分析技巧,研究了网络的全局均方指数鲁棒稳定和几乎必然指数稳定性,给出了易于验证的稳定性判据。仿真实验表明了结论的正确性。

S-分布时滞静态神经网络的全局指数鲁棒稳定性

研究了一类S-分布时滞静态神经网络的全局指数鲁棒稳定性的问题。通过同胚映射理论、不等式技巧和构建合适的Lyapunov泛函,得到了全局指数鲁棒稳定性的一些易于验证的充分性条件,并给出了一个仿真实例来说明结果的有效性和实用性。

S-分布时滞静态神经网络的全局指数收敛性

本文研究了一类具有S-分布时滞的静态神经网络,主要利用微分不等式技巧,建立了所讨论模型的解指数收敛到零的充分性条件,并给出了实例说明了所得结论的有效性。

S-分布时滞静态神经网络模型的不变集和吸引集

用非负矩阵和微分不等式技巧研究了一类S-分布时滞静态神经网络模型的不变集和吸引集,给出不变集和吸引集的空间位置,并且用不变集和吸引集给出了对吸引子存在范围的估计以及平衡点是全局吸引子的充分条件.

S-分布时滞的随机Hopfield神经网络的稳定性

研究一类具有S-分布时滞的随机Hopfield神经网络的稳定性问题。通过构造随机Lyapunov泛函与随机分析技巧相结合的方法得到了实用有效的判别准则.具有S-分布时滞的Hopfield神经网络解决了具有离散时滞的Hopfield神经网络和具有连续分布时滞的Hopfield神经网络不能相互包含的问题。且本文在已有文献的系统模型中加入了随机干扰项,证明了该随机Hopfield神经网络全局解的存在唯一性及其全局均方鲁棒指数稳定性,使其具有更广泛的实际应用价值,推广了相关文献中的结果。

S-分布时滞随机高阶Hopfield神经网络的均方指数稳定性

考虑了一类具有S-分布时滞随机高阶Hopfield神经网络模型的动力行为.利用Lyapunov泛函方法、随机分析理论和不等式技巧,研究了网络的均方指数稳定性,给出了均方稳定性判据,并以实例证明了结论的正确性.

多重S-分布时滞二阶Hopfield神经网络的全局指数稳定性

利用不等式、拓扑度理论以及Lyapunov泛函方法研究了一类多重S-分布时滞二阶Hopfield神经网络的全局指数稳定性,给出了系统满足全局指数稳定的充分条件.

S-分布时滞随机神经网络的适定性和均方指数吸引性

考虑了一类S-分布时滞随机神经网络的动力学行为。利用不动点理论和不等式技巧,讨论了该网络的适定性,证明了其解的均方指数吸引性,给出了易于验证的吸引性判据。实例说明了结论的正确性。

S-分布时滞随机竞争神经网络的均方指数鲁棒稳定性研究

讨论了S-分布时滞随机竞争神经网络模型解的存在性和渐近行为,运用Lyapunov泛函方法和随机分析技巧,研究了网络的均方指数鲁棒稳定性,给出了易于验证的稳定性判据。

高阶S-分布时滞细胞神经网络的全局鲁棒指数稳定性

利用分析技巧,通过构造恰当的Lebesgue-Stieltjes积分型Lyapunov泛函,得到系统全局鲁棒指数稳定的充分条件,判断方法简单.最后给出一个实例,以说明本文主要结论的有效性.

S-分布时滞神经网络概周期解的全局渐近稳定性

利用不动点理论和微分不等式技巧研究了S-分布时滞局域递归神经网络模型的概周期解,给出了概周期解存在性和全局渐近稳定性的充分条件。

S-分布时滞细胞神经网络的全局指数稳定性

研究了S-分布时滞细胞神经网络模型,利用同胚映射、M-矩阵以及Lyapunov函数得到了判断该模型平衡点存在唯一性及全局指数稳定性的实用有效的充分性条件,并给出了实例。

S-分布时滞随机区间细胞神经网络的全局指数鲁棒稳定性

利用Lyapunov稳定性理论和随机分析的方法,给出了在均方意义下系统全局指数鲁棒稳定性的判据,并且给出了几乎必然指数稳定性的代数判据,通过仿真例子说明结果的实用性。

基于忆阻器的S-分布时滞随机神经网络的均方指数稳定性

利用Lyapunov泛函方法及随机分析技巧,研究了基于忆阻器的S-分布时滞随机神经网络的适定性和均方指数稳定性问题,给出了稳定性判据,并仿真检验了结果的有效性。

S-分布时滞随机BAM神经网络的指数同步

通过构造Lyapunov泛函,利用It^o公式以及随机分析的方法研究一类BAM神经网络的指数同步问题,给出了指数同步的新判据,举例说明了结果的实用性,推广了相关文献的结果。

具有S-分布时滞BAM神经网络的全局指数稳定性

研究一类S-分布时滞BAM神经网络的稳定性问题.通过构造恰当的Lebesgue-Stieltjes积分型Lyapunov泛函,并结合Schwartz不等式和一些分析技巧,得到了系统全局指数稳定的充分条件,最后给出了主要定理的一个实例,表明结论的有效性.

具有S-型分布时滞的Hopfield神经网络模型的渐近行为(英文)

研究了具有S 型分布时滞的Hopfield神经网络模型的渐近行为,得到了平衡点的存在唯一性及全局渐近稳定性的判据,所得结果不仅包含了已有的相应结果,而且具有更广泛的适用性.