G?布朗运动驱动的时滞神经网络的稳定性分析

研究一类由G?布朗运动驱动的时滞神经网络(G?DNN)的稳定性问题. 实际中噪声并不总是服从正态分布,为更好地描述实际情形,采用G?布朗运动来描述噪声,分析G?布朗运动噪声的离散观测值对时滞神经网络稳定性的影响. 针对指数稳定的时滞神经网络,引入由G?布朗运动驱动的随机噪声,并利用G?随机分析理论、Gronwall不等式、Borel-Cantelli引理等,给出随机噪声强度的上界,使得在噪声强度少于该上界的情形下随机时滞递归神经网络的稳定速度大于原来神经网络的稳定速度. 进一步分析噪声在离散的情形下随机时滞递归神经网络的稳定性问题. 借助G?It?公式、放缩技巧及一些基本不等式,得到能进一步加快随机时滞递归神经网络指数稳定速度的噪声离散步长的上界. 通过实例验证了理论结果的有效性.     

混合时滞模糊细胞神经网络的指数稳定性研究

利用Lyapunov泛函及M-矩阵理论,研究了具变时滞和分布时滞模糊细胞神经网络（FCNNs）平衡点的存在性和唯一性及其全局指数稳定性,得到了其简单判断.     

具有离散和分布时滞的中立型细胞神经网络的全局渐近稳定性

文章研究了一类具有离散和分布时滞的中立型细胞神经网络的全局渐近稳定性问题,首先利用拓扑度原理等相关知识,证明了系统的平衡点的存在唯一性,然后通过构造Lyapunov—Krasovskii泛函,得出了具有离散和分布时滞的中立型神经网络系统的平凡解的全局指数稳定性的判别条件。     

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。     

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。     

时滞小波神经网络的全局指数稳定性分析(Ⅱ)

利用BROUWER不动点原理证明了时滞小波神经网络的平衡点的存在性,利用压缩映象原理证明了平衡点的唯一性,利用HALANAY时滞微分不等式和双对角占优矩阵的理论,讨论了时滞小波神经网络的全局指数稳定性,并得出了几个重要的结论.     

具有混合时滞模糊神经网络的全局指数稳定性分析

主要研究一类具有混合时滞的模糊神经网络.运用不动点定理,M-矩阵理论和一些分析技术,得到了唯一平衡点存在和全局指数稳定的充分条件.实例证明了所得结果的有效性.     

多时变时滞细胞神经网络的全局渐近稳定性分析

研究了多时变时滞细胞神经网络的全局渐近稳定问题.给出了多时变时滞细胞神经网络平衡点唯一性和全局渐近稳定的新判据.这些新判据考虑了神经元激励和抑制的影响,且易于验证.仿真结果验证了所得结论的有效性.     

具反应扩散项的脉冲时滞Cohen-Grossberg神经网络的稳定性

讨论了一类具反应扩散项的脉冲变时滞 Cohen GrossberG神经网络在neu mann边界条件下的稳定性.通过构造分片连续的Lyapunov函数,结合neumann特征值问题,并利用GronwaLL beLLman脉冲积分不等式,得到了新的与反应扩散项和时滞有关的保证平衡点全局指数稳定性的代数判据     

时变时滞细胞神经网络的同步研究与仿真

分析时变时滞的细胞神经网络全局渐近稳定性问题,确定时变时滞细胞神经网络平衡点全局渐近稳定的新充分判定准则。通过研究时滞细胞神经网络模型、系统激励函数所需满足的条件及需要的引理,讨论时滞细胞神经网络的全局渐近稳定性,所得条件与时滞相关,并用实例验证所得的稳定性条件是有效的.     

Exponential H_∞ filtering analysis for discrete-time switched neural networks with random delays using sojourn probabilities

This paper is concerned with the exponential H_∞ filtering problem for a class of discrete-time switched neural networks with random time-varying delays based on the sojourn-probability-dependent method. Using the average dwell time approach together with the piecewise Lyapunov function technique, sufficient conditions are proposed to guarantee the exponential stability for the switched neural networks with random time-varying delays which are characterized by introducing a Bernoulli stochastic variable.Based on the derived H_∞ performance analysis results, the H_∞ filter design is formulated in terms of Linear Matrix Inequalities(LMIs). Finally, two numerical examples are presented to demonstrate the effectiveness of the proposed design procedure.     

变时滞神经网络模型的全局指数稳定性

研究了一类变时滞的Hopfield型神经网络的全局指数稳定性,在对网络系统施加两个不同的非线性神经元激励函数的条件下,利用M-矩阵的特性,得到了细胞神经网络模型在一定的条件下全局指数稳定的易于判定的充分条件,数值例子说明了本文结果的有效性。     

一类神经网络的Ｌａｇｒａｎｇｅ全局指数稳定性

考虑3种不同的有界激励函数,利用Lyapunov函数法和不等式分析技巧,研究了一类具有变时滞的中立型Cohen-Grossberg神经网络的Lagrange全局指数稳定性,并给出了系统模型具有全局指数吸引集的构造性证明：研究结果既适用于分析单稳态系统也适用于多稳态系统;最后通过数值算例及仿真对结果进行了验证．     

Stability analysis for a class of impulsive competitive neural networks with leakage time-varying delays

In this paper, we consider the existence, the uniqueness, the global exponential stability, the global asymptotic stability, the uniform asymptotic stability and the uniform stability of the equilibrium point of impulsive competitive neural networks with distributed delays and leakage time-varying delays. The existence of a unique equilibrium point is proved by using Brouwer's fixed point theorem. By finding suitable Lyapunov-Krasovskii functional, some sufficient conditions are derived ensuring some kinds of stability. Finally, several examples and their simulations are given to illustrate the effectiveness of the obtained results.     

不确定区间时滞Markov跳变BAM神经网络的鲁棒指数稳定性

讨论了具有不确定区间时滞的BAM神经网络的鲁棒均方指数稳定性问题。通过构造适当的Lya-punov-Krasovskii泛函,利用一些新的定界技术,以线性矩阵不等式形式给出了Markov跳变BAM神经网络的时滞且区间相关的全局鲁棒指数稳定性判据,该判据利用Matlab的LMI工具很容易进行检验。给出数值示例,说明了判据的有效性与优越性。     

脉冲干扰时滞复值神经网络的稳定性分析

为分析脉冲干扰因素对复值神经网络动态行为的影响,研究一类具有混合时滞和脉冲干扰的复值神经网络的平衡点的全局指数稳定性.在假定神经元状态、激活函数以及关联矩阵定义在复数域的情况下,利用M矩阵理论、向量Lyapunov函数法以及数学归纳法,分析确保该系统平衡点的存在性、唯一性以及全局指数稳定性的充分条件,并给出了指数收敛率,最后通过一个数值仿真算例验证了所得结论的正确性.结果表明:时滞和脉冲干扰均会降低神经元状态的指数收敛速度,所建立的稳定性判据推广了现有结论.     

多时变时滞细胞神经网络的全局渐近稳定

研究了多时变时滞细胞神经网络的全局渐近稳定问题。给出了多时变时滞细胞神经网络平衡点唯一性和全局渐近稳定的几个新充分判据。所研究的网络模型扩展了现有的同类网络模型,而且所得到的这些新稳定判据考虑了神经元激励和抑制的影响,且能够表示成线性矩阵不等式的形式,易于用现有的内点算法等方法验证。通过2个注释说明了所得结果的有效性。