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。     

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。     

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。     

随机型细胞神经网络的稳定性

借助于李雅谱洛夫理论、矩阵分析方法和It?公式,结合不等式分析技巧,研究了随机细胞神经网络系统的均方指数稳定性,给出了系统的解的二阶矩Liapunov指数估计式和均方指数稳定的充分条件。     

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．     

机器人装配作业的Hopfield神经网络的稳定性研究

本文运用Ｌｙａｐｕｎｏｖ第二方法及神经网络的稳定性判据，对用于机器人装配作业的Ｈｏｐｆｉｅｌｄ网络的稳定性进行了分析研究，并经实验验证，得到了较为满意的结果。     

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。     

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。     

关于非对称Hopfield神经网络的稳定性

根据矩阵特征值分布范围，讨论了连续时间Ｈｏｐｆｉｅｌｄ神经网络模型的渐近稳定性，给出了目前最优的结果，这对于实际网络设计有重要的指导作用。     

具有控制时滞的滞后型Lurie控制系统的绝对稳定性判据

通过构造适当的Lyapunov泛函,结合不等式分析的技巧,得到了具有控制时滞的滞后型Lurie控制系统绝对稳定的时滞无关和时滞相关条件,这些条件用线性矩阵不等式表示,易于验证且保守性低,最后通过实例验证了所得结果的有效性.     

一类不确定非线性时滞系统的鲁棒控制

研究了一类带有不确定非线性时滞系统的鲁棒渐近稳定问题.利用李亚普诺夫稳定性定理和线性矩阵不等式工具,得到了此类系统鲁棒渐近稳定的充分条件,并给出相应的鲁棒状态反馈控制器设计.最后仿真示例表明了该方法的有效性.     

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。     

一类神经网络模型的解及其渐近性态

通过对简单一维微分方程的求解,得出了一类人工神经网络模型的解解析表达式。它是由对称阵的特征值与特征向量表达。根据此解析表达式推出了该神经网络模型在特殊情况下的解析表达式。在特殊情况下,特征值与特征向量的神经网络计算已有很多论文论及。最后利用解析表达式分析了该神经网络解的渐近稳定性态。     

不确定混合时滞系统的指数稳定性判据

考虑同时含有参数不确定和混合时滞的动力系统的指数稳定性问题,利用参数依赖的Lyapunov函数和分解时滞项系数矩阵的方法,以线性矩阵不等式的形式给出了保守性更低的稳定性的充分条件.数值算例验证了该方法的有效性.     

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。     

基于LMI方法的具有混和时滞动力系统的指数稳定性判据

利用等价系统的方法,通过构造适当的Lyapunov函数给出了对具有混和时滞动力系统的指数稳定性条件,该判据用线性矩阵不等式(LMI)的形式给出,并在稳定性证明的过程中,利用分解时滞项的系数矩阵的方法得到更低保守性的条件.通过求解一个线性矩阵不等式的可行性问题,求得与时滞相关的指数衰减率.最后给出的数值算例验证了结果的有效性.     

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。     

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。