一类具有时滞的神经网络的稳定性分析

对具有广泛应用价值的时滞Ｈｏｐｆｉｅｌｄ神经网络系统,建立了系统平衡点存在唯一的充要条件,利用常数交易法并结合不等式分析技巧讨论了神经网络模型的全局指数稳定性,获得了系统的平衡点全局指数稳定的充分条件。     

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。     

通有连续时间神经网络的K-稳定性

研究了具有时滞的通有连续时间神经网络的K-稳定性问题;利用常数变易法,通过应用不等式分析技巧和微分方程性质,获得了具有时滞的通有连续时间神经网络的平衡点的K-全局渐近稳定性与K-全局指数稳定性的易于验证的时滞相关充分条件,通过实例验证了该充分条件的有效性。     

离散递归神经网络平衡点控制及稳定性分析

通过将离散递归神经网络的状态空间分割为若干个子区域,控制其输出反馈权值、输入项及阈值等,分析在每一个子区域上平衡点的存在、唯一性问题,给出了其判定条件.并进一步讨论了平衡点渐近稳定、指数稳定性.通过举例说明给定的结果简明又容易验证.     

离散递归神经网络平衡点控制及稳定性分析

通过将离散递归神经网络的状态空间分割为若干个子区域,控制其输出反馈权值、输入项及阈值等,分析在每一个子区域上平衡点的存在、唯一性问题,给出了其判定条件.并进一步讨论了平衡点渐近稳定、指数稳定性.通过举例说明给定的结果简明又容易验证.     

通有连续时间神经网络的稳定性

研究通有连续时间神经网络的稳定性问题，利用常数交易法、Ｌｉａｐｕｎｏｖ函数法结合不等式分析技巧，获得了通有连续时间神经网络的平衡点是全局ｋ－指数稳定和全局渐近稳定的判别准则。作为特例，也得到了Ｈｏｐｆｉｅｌｄ模型和线性互连模型神经网络的相应稳定性。     

一类神经网络的L~2-增益稳定性

运用研究控制系统有限增益稳定的方法,讨论了神经网络关于扰动的Hopfield型神经网络扰动的L_2-增益稳定性问题。对该网络模型研究的一个重要应用在于优化计算和联想记忆。利用常数变易法和李雅谱洛夫函数法,结合不等式分析技巧,给出了一些在内外部存在扰动的情况下,保证网络L_2-增益稳定的充分条件,这些条件简洁,易于在应用中检验。     

一类具有非线性传染率SEIS模型的定性分析

考虑出生率和死亡率不同,建立具有非线性传染率的SEIS传染病模型,讨论此模型正平衡点的存在性和模型无病平衡点的局部稳定性.根据Routh-Hurwitz判据得到正平衡点局部稳定的充要条件,并利用Lyapunov函数给出无病平衡点和正平衡点全局渐近稳定的充分条件.最后,用数值模拟说明主要结果的正确性.     

癌肿瘤免疫疗法模型的RBF神经网络控制

针对癌肿瘤免疫疗法生物数学模型,基于RBF神经网络和Lyapunov函数,提出了一种控制器设计方案,该方案将逼近误差引入到控制率中以保证控制方法的鲁棒性与稳定性.在外界无扰动与扰动存在两种情况下,分别实现了对癌肿系统的控制.生物医学上即防止了癌肿瘤的肿大、破裂,使癌肿瘤处于稳定、不易恶化的状态.数值举例表明了控制方法的有效性.     

基于罚函数法的神经网络优化设计研究

介绍了Hopfidd神经网络系统的优化原理，从中提取反映网络动力学规律的非线性微分方程组，并用Matlab求解该方程组．算例表明，求解反映Hopfield网络运动的微分方程组能够解决优化问题．     

一类神经网络算法的渐近行为

研究了一类连续型全反馈人工神经网络的稳定性,通过求解简单的一维微分方程,给出了这类神经网络系统的解的解析表达式,利用解的解析表达式证明了当A的特征值0l,至少有一个特征值为负时,网络的一切从Rn中的单位超球内出发的解收敛于原点或单位超球内的一点.     

采用人工神经网络分析凸轮轮廓曲线

本文针对凸轮轮廓曲线的检验，提出了利用ＦＦＴ对凸轮轮廓曲线进行特征提取，并通过人工神经网络实现对凸轮轮廓曲线分析检验的新方法。     

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。     

一类神经网络系统的渐近行为

研究了一类微分方程系统解的渐近行为和零解的稳定性问题;讨论了利用特征值的符号及运用解对初值的连续依赖性和一些变换算法,该算法优点是不需求出解的解析表达式,就能判断方程解的渐近行为和零解的稳定性态,其推理过程较清晰严密并有一定的参考价值。     

小波神经网络的构造及其算法的鲁棒性分析

研究了用于非线性函数逼近的小波神经网络的结构设计方法;证明了在存在噪声干扰及网络设计误差的情况下,网络训练过程具有指数收敛性和鲁棒平稳性。     

变系数时滞神经网络的周期解与稳定性

针对具有实际应用价值的时滞周期时变系数的Hopfield神经网络系统,利用了Lyapunov函数法并结合不等式分析技巧,证明了系统的解是有界的,得到了系统周期解的存在准则及平凡解指数稳定的充分条件。     

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