变时滞神经网络鲁棒稳定的一个新判据

研究了一类变时滞区间细胞神经网络的全局渐近鲁棒稳定性。基于非负矩阵理论和Lyapunov-Razumikhin分析方法,得到了变时滞区间细胞神经网络全局渐近鲁棒稳定的一个充分条件,该条件与时滞参数无关且易于验证。理论分析和数值例子表明所得条件推广了已有文献中得到的两个相应的结果,是对区间神经网络鲁棒稳定性研究的有效补充。数值例子和相应的计算机仿真验证了所得结果的有效性。     

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。     

具有时滞的通有连续时间神经网络的指数稳定性

研究了具有时滞的通有连续时间神经网络的稳定性问题;利用常数变易法并结合不等式分析技巧,获得了具有时滞的通有连续时间神经网络的平衡点全局指数稳定和全局k-指数稳定的判别准则;推广了文献［1］的主要结果。     

时滞BAM神经网络的p-类全局指数稳定性分析

首先给出了P-类全局指数稳定的概念，在激励函数满足全局Lipschitz连续的条件下，利用不等式和分析技巧获得了具有时滞的BAM神经网络P-类全局指数稳定的充分条件，给出了指数收敛速率指标所满足的代数方程，仿真实例说明了方法的有效性．     

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。     

随机时滞神经网络的指数稳定性(英)

本文研究了具有不确定性随机时滞神经网络的指数稳定性,利用Ｌｙａｐｕｎｏｖ 泛函鞅不等式和Ｂｏｒｅｌ－ Ｃａｎｔｅｌｌｉ 引理,建立了均方指数稳定与几乎必然指数稳定的充分判据,这些判据是时滞无关的且仅要求检验某一不等式－ 这些结果是最近某些文献中结果的推广－ 最后,一个数字例子说明所给判据的有效性     

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。     

具有不确定的时滞微分系统的稳定性

研究具有不确定的时滞微分大系统的鲁棒稳定性问题，利用李雅普诺夫函数和不等式分析方法，给出了不确定性时滞微分大系统在不依赖时滞的反馈分散控制下是稳定化的、渐近稳定化和指数稳定化的充分条件。     

Hopfield神经网络k－全局稳定性

研究了Ｈｏｐｆｉｅｌｄ神经网络的ｋ－全局稳定性，利用常数变易法和不等式分析技巧，给出了Ｈｏｐｆｉｅｌｄ神经网络的ｋ－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。     

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.     

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。     

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。     

多级离散模糊神经网络稳定性的优化算法

针对模糊集理论在建模中对变化的外部环境适应能力差,以及基本神经网络模型不容易获得模糊集之间关系等问题,提出了一个具有基本模糊推理系统“IF-THEN”规则的多级离散模糊神经网络模型。分析了该模型的基本稳定性条件,并使用硬C均值聚类方法获得数据集之间的关系,采用遗传算法优化了该模型。最后通过计算机仿真验证了该模型的有效性。     

Hopfield型神经网络的全局指数稳定性(英文)

研究了Ｈｏｐｆｉｅｌｄ型神经网络的全局指数稳定性,就活化函数严格单增和严格单增但增益有界的情况,提出了保证网络全局指数稳定的充分判据。对活化函数严格单增权矩阵对角稳定的情况,以简约的形式,给出网络全局指数稳定的收敛速率。