具有无穷时滞的细胞神经网络的稳定性分析

本文研究了具有无穷时滞的细胞神经网络的全局吸引性问题.利用常数变易法和不等式分析技巧,给出了无穷时滞的细胞神经网络无平衡点时,网络系统有吸引紧集的充分条件,同时也给出了无穷时滞的细胞神经网络有平衡点时,网络系统的平衡点全局渐近稳定的充分条件.其结果推广了文 的相应结果.     

广义的时滞细胞神经网络的动态分析

本文研究了广义细胞神经网络的动态行为,首先利用度理论建立了客中广义时滞细胞神经网络的平衡点存在唯一物充要条件,其次给出这种广义时滞神经网络全局指数稳定的充要条件。     

基于LMI方法的时滞BAM神经网络的全局稳定性分析

对于时滞双向联想记忆(DBAM)神经网络的平衡点的稳定性问题,目前人们已经得到了很多富有意义的成果。该文提出一种新的神经网络模型标准神经网络模型(SNNM),通过状态的线性变换,将DBAM神经网络转化为时滞SNNM(DSNNM),并利用有关DSNNM的稳定性的一些结论,得到DBAM神经网络平衡点的全局渐近稳定性的充分条件。这些条件都以线性矩阵不等式(LMI)的形式给出,容易验证,保守性低。该方法扩展了以前的稳定性结果,同时也适用于其它类型的递归神经网络(时滞或非时滞)的稳定性分析。     

随机变时滞神经网络的全局渐近稳定性

研究了一类具有变时滞随机神经网络模型平衡点的全局渐近稳定性问题,通过构造李亚普诺夫函数并利用线性矩阵不等式理论,得出了随机变时滞神经网络的全局渐近稳定性的充分条件。     

中立型时滞BAM神经网络的稳定性分析

文章介绍了中立型时滞BAM神经网络,并重点分析其稳定性,给出了中立型时滞BAM神经网络的平衡点唯一和全局指数稳定性的判据,同时举例说明判据的正确性和结果的有效性。     

一类具有时滞阶段结构的捕食系统

本文讨论了具有时滞阶段结构的捕食系统,首先对捕食系统的模型进行了全面分析,其次得到了该系统中正平衡点全局稳定的充分条件,最后验证了系统中时滞取临界值时,可能存在Hopf分支的现象,这为生物资源的研究提供了理论依据。     

具比例时滞杂交双向联想记忆神经网络的全局指数稳定性

对一类具比例时滞杂交双向联想记忆神经网络进行研究,利用Brouwer不动点定理证明该网络的平衡点的存在唯一性.利用变换将具比例时滞杂交双向联想记忆神经网络变换成等价的具不等常时滞与变系数杂交双向联想记忆神经网络.利用不等式技巧建立一拟Halanay型不等式系统,进而得到了确保该系统全局指数稳定的时滞独立的充分条件.并给出两个算例验证所得结论的正确性.     

基于LMI的时变时滞Cohen-Grossberg神经网络鲁棒稳定性

 研究了时变时滞Cohen-Grossberg神经网络的全局鲁棒稳定性问题.基于线性矩阵不等式技术,给出了保证时变时滞Cohen-Grossberg神经网络平衡点唯一性和全局鲁棒稳定性的新判据.这些新判据不依赖于时滞的大小和放大函数,且与现有的一些结果相比,具有易于验证、适用范围广、条件更不保守等特点.仿真结果验证了本文方法的有效性.     

时变时滞区间神经网络的全局鲁棒稳定性判据

本文主要研究时变时滞区间神经网络的全局鲁棒稳定性问题, 利用区间神经网络的等价转换和自由矩阵技术, 给出一个新的区间神经网络平衡点的时滞依赖全局鲁棒稳定性的充分条件, 这个条件以线性矩阵不等式的形式给出, 容易验证, 保守性低.最后, 通过数值实例验证了所提算法的正确性和更低的保守性.     

文氏桥超混沌电路时滞反馈混沌控制

混沌镇定控制的应用范围很广,所采用的方法很多。本文研究了文氏桥超混沌电路的时滞反馈混沌镇定控制方法,利用模拟时滞反馈控制器将系统状态变量延时后接入原系统,实现了运行状态从超混沌态到单周期态的转变。设计了时滞反馈控制器电路,并进行了平衡点稳定性分析。电路实验结果验证了数值仿真结果,说明了时滞反馈控制器可以有效实现超混沌电路的混沌镇定控制。     

不对称时延Hopfield神经网络的全局指数稳定性及收敛速度的估计

本文通过构造适当Ｌｙａｐｕｎｏｖ泛函的方法,对具有时延的不对称Ｈｏｐｆｉｅｌｄ型神经网络平衡点的指数稳定性进行了分析,得到了平衡点指数稳定的充分条件,同时我们也对其指数收敛速度进行了估计．     

时延不对称Hopfield神经网络的稳定条件及其应用

本文对具有时延的不对称Hopfield型神经网络平衡点的稳定性进行了分析,得到了网络平衡点全局渐近稳定的一些充分条件,最后我们说明了分析结果在网络设计和参数选择中的应用。     

Sufficient and necessary conditions for global exponential stability of discrete-time recurrent neural networks

A set of sufficient and necessary conditions are presented for global exponential stability (GES) of a class of generic discrete-time recurrent neural networks. By means of the uncovered conditions, GES and convergence properties of the neural networks are analyzed quantitatively. It is shown that exact equivalences exist among the GES property of the neural networks, the contractiveness of the deduced nonlinear operators, and the global asymptotic stability (GAS) of the neural networks plus the spectral radius of Jacobian matrix of the neural networks at the unique equilibrium point less than one. When the neural networks have small state feedback coefficients, it is shown further that the infimum of exponential bounds of the trajectories of the neural networks equals exactly the spectral radius of Jacobian matrix of the neural networks at the unique equilibrium point. The obtained results are helpful in understanding essence of GES and clarifying difference between GES and GAS of the discrete-time recurrent neural networks.     

高阶Hopfield型神经网络的吸引域和指数收敛速度的估计

利用 Lyapunov方法,对高阶连续 Hopfield型神经网络平衡点的局部指数稳定性进行研究,得到了该网络平衡点的吸引域及其中每点趋向于平衡点的指数收敛速度的估计结果。     

高阶Hopfield型神经网络的定性分析

本文讨论高阶连续型Hopfield神经网络平衡态的性质,包括平衡态的存在唯一性和稳定性.借助于Banach不动点原理和Lyapunov方法得到了若干平稳态存在唯一和全局渐近稳定的充分条件.作为特例,获得了一阶连续型Hopfield神经网络稳定性的新判据.     

Global asymptotic stability of a class of neural networks with distributed delays

In this paper, the problem of stability analysis for a class of neural networks with distributed delays is investigated. Applying the M-matrix theory and new analysis technique, novel sufficient conditions for the existence, uniqueness, and global asymptotic stability of the equilibrium point of neural networks with distributed delays are derived. The new stability criteria can be applied to the case when the nondelayed terms cannot dominate the delayed terms, which have great significance in the design and application of neural networks with distributed delays. Three illustrative examples are presented which demonstrate the usefulness of the proposed results.     

神经网络指数稳定性分析及收敛率估计

该文通过李雅普诺夫直接方法,研究了一类 Hopfield神经网络平衡点的存在性、唯一性与指数稳定性。文中假设神经网络系统的激励函数为单调增Lipschitz连续函数,在自反馈项为非线性函数的条件下,研究其指数稳定性,同时给出了收敛率估计式。     

New results for exponential stability of delayed cellular neural networks

This brief presents new sufficient conditions for the global exponential stability of the equilibrium point for delayed cellular neural networks (DCNNs). It is shown that the use of a more general type of Lyapunov-Krasovskii functional enables us to derive new results for exponential stability of the equilibrium point for DCNNs. The results establish a relation between the delay time and the parameters of the network. The results are also compared with one of the most recent results derived in the literature.