具有时变时滞的复杂动力学网络的同步控制

研究了具有时变耦合时滞的复杂动力学网络的同步控制问题.设计了一个线性反馈控制器,通过构造Lyapunov函数,证明了该控制器能够使具有时变耦合时滞的复杂动力学网络实现渐近同步.数值仿真结果也证实了该控制器的有效性.     

一类具有无穷分布时滞的反应扩散神经网络的全局渐近稳定性

针对一类具有无穷分布时滞的反应扩散神经网络模型,在Dirichlet边界条件下应用Lyapunov稳定性理论,通过构造适当的Lyapunov-Krasovskii泛函获得了该系统的全局渐近稳定性判据,数值模拟说明了所得理论判据的可行性。     

反馈型CNN解的稳定性

研究了具有时滞的反馈型细胞神经网络，利用李雅普诺夫函数、常数交易法以及不等式分析技巧，证明了具有时滞的反馈型细胞神经网络的解的有界性，同时给出了任意解全局指数稳定和渐近稳定的充分条件。     

分布时滞Hopfield神经网络稳定性

针对分布时滞的Hopfield型神经网络构造了李雅普诺夫能量函数,证明了该网络的稳定性问题。证明过程中运用了引理的结论,充分利用了所取李雅普诺夫函数的特殊性,较多地运用了不等式分析方法及不等式放缩技巧。同时由于时滞的存在,证明过程中还涉及李雅普诺夫泛函问题。最后利用引理的结论得出了该网络全局一致渐近稳定的结论。     

一个退缩型反应扩散方程组解渐近性态

通过构造Lyapunov函数,证明一个强耦合的退缩型反应扩散方程组解的渐进稳定性。     

一类带有时滞的神经网络一致稳定性判别法

讨论带有时滞神经网络一致稳定性的问题,给出了状态函数与输出函数关于平衡点一致稳定、全局一致渐近稳定性等价性定理及判别方法。     

一类带有时滞的神经网络一致稳定性判别法

讨论带有时滞神经网络一致稳定性的问题，给出了状态函数与输出函数关于平衡点一致稳定、全局一致渐近稳定性等价性定理及判别方法。     

多比例时滞细胞神经网络的全局一致渐近稳定性

对一类具多比例时滞细胞神经网络进行研究,利用变换()()t i i z t y e,将具多比例时滞细胞神经网络变换成变系数常时滞的细胞神经网络。通过构造合适的Lyapunov泛函,给出了几个保证该系统全局一致渐近稳定的时滞独立的充分条件,并给出例子验证所得结论的正确性。     

关于时滞细胞神经网络稳定性的一个改进结果

在文章[1]中,作者提出了关于时滞细胞神经网络存在唯一平衡点和全局渐近稳定性的充分条件。本文主要指出了文章[1]中相关结论的不足,并改进了建立在线性矩阵不等式基础上的时滞细胞神经网络全局渐近稳定的结果。此外,这些关于时滞细胞神经网络时滞依赖的全局渐近的稳定性的新结果可以保证系统的指数渐近稳定性。     

时滞细胞神经网络的稳定性分析

讨论了具有时滞的细胞神经网络的稳定性问题。给出稳定点的唯一性条件,然后通过建立适合网络模型的Lyapunov Krasovskii函数,利用不等式的放缩,得到了系统全局渐近稳定的时滞相关稳定性条件。其结果以线性矩阵不等式的形式给出,容易求出系统稳定的时滞上界,容易得到时滞无关稳定性结果,且该结果包含了现有文献中关于时滞无关稳定性分析的结果。并以数值算例说明了结果的优越性。     

时滞BAM神经网络稳定性分析

研究了带有脉冲的时滞双向联想记忆(BAM)神经网络的稳定性问题。通过对网络系统的研究,根据脉冲的特点,采用Lyapunov稳定性理论和一些矩阵分析技巧,得到了脉冲时滞BAM神经网络的稳定性结论,其中包括稳定点的唯一性判据和稳定性的判据,说明脉冲时滞BAM神经网络的稳定性问题是网络本身的特性,最后通过数值算例验证了该结论的可行性和有效性。     

变系数并联限制细胞神经网络的指数稳定性

本文运用李雅普诺夫函数方法和不等式的技巧研究了变系数和连续分布时滞并联限制细胞神经网络（SICNN）的稳定性，得出了判别其全局指数稳定的新的充分条件。     

时变时滞细胞神网络的稳定性分析

本文研究了一类具有时变时滞的细胞神经网络的稳定性问题,利用新的Layapunov Krasovskii函数,给出了系统全局渐近稳定的时滞相关稳定性条件。其结果以线性矩阵不等式的形式给出,通过对矩阵特征值的应用,得到了一个新的LMI的应用形式,改善了LMI的应用。最后,数值算例说明了本文结果的优越性。     

一类含时滞的SIQR流行病模型研究

将对病人的隔离期作为时滞因素,考虑了一类含时滞的SIQR(susceptible infectives quarantine removed)流行病模型.通过构造恰当的Lyapunov函数,得到了无病平衡点全局稳定以及地方病平衡点局部稳定的结论,讨论了系统周期解的存在条件.     

电力设备基于小波神经网络故障检测方法的仿真研究

提出了一种基于小波神经网络非线性观测器的故障检测方法。它是将规范正交的小波函数作为基函数网络中的基函数 ,得到小波神经网络。通过小波的去噪和神经网络的自学习功能 ,获取系统输入输出的非线性动力学特性 ,进而实时计算出残差并进行逻辑判决 ,可提高故障检测的速度和准确率。对同步交流电机的结构损伤故障进行了仿真 ,结果表明了该方法的有效性     

具有耦合时滞复杂时空切换网络的耗散性同步

建立了一种新的复杂动态网络模型——时空切换网络,其每个节点的动力在不同的时间区间对应于不同的切换模式,切换律不仅依赖于时间t,而且依赖于节点的标号i(或节点的空间位置).基于Lyapunov稳定性理论,研究了具有耦合时滞复杂时空切换网络的耗散性同步问题.     

一类离散时滞静态神经网络系统的时滞相依全局渐近稳定性分析

研究了一类时滞静态神经网络系统的时滞相依全局渐近稳定性条件。通过构造一个考虑了更多时滞状态信息的增广Lyapunov-Krasovskii泛函,利用时滞分割方法并结合Jensen积分不等式和自由权矩阵,获得以LMI形式表达的且保守性更低的一类具有定常时滞的静态神经网络的时滞相依全局渐近稳定性判定条件,并给出实例验证结果的有效性和更低的保守性。     

时滞系统神经网络辨识方法研究

提出基于神经网络的时滞非线性系统的辨识方法,通过一种带有时滞的神经网络进行在线辨识,神经网络的权值矩阵在线自适应调整,并通过Lyapunov-Krasovskii方法验证了算法的收敛性,表明辨识算法可以对任意的非线性时滞系统进行有效辨识。     

基于线性矩阵不等式的牵制控制策略分析

研究复杂动力学网络的同步牵制控制问题.通过引入牵制控制,对具有大规模节点网络中的小部分节点实施线性反馈控制策略,使得整个网络的所有节点均达到同步.针对一类一致连结的耦合复杂网络模型,采用线性矩阵不等式的方法给出了实施牵制控制达到同步的充分条件.该条件表明,选择牵制异质网络中度较大的节点可能更容易使得网络实现同步.特别地,对于特定的内部耦合矩阵和足够大的耦合强度,只要对网络中任一节点实施牵制控制就可以保证整个网络同步的实现.数值仿真验证了上述结论的有效性.     

时滞测试能量模型的研究和改进

针对文献［１］提出的时滞测试能量函数，指出了该时滞测试能量函数在测试生成时可能产生无效测试，且其表达式较复杂。在此基础上构造了新的时滞测试能量函数，克服了文献［１］的时滞测试能量函数的不足。