状态饱和非线性离散时滞系统的渐近稳定性

研究具有状态饱和非线性的离散多时滞不确定系统的鲁棒渐近稳定性,其中时滞为有界时变函数且不确定性满足范数有界条件．利用离散Lyapunov稳定性理论,结合矩阵不等式方法,获得了系统全局鲁棒渐近稳定的时滞相关充分条件．进一步给出了当系统具有定常时滞、单时滞和无时滞以及无不确定性时的渐近稳定条件,将所得结果与已有研究结果进行比较说明．最后,通过数值算例验证了所得结果的可行性．     

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.     

S-分布时滞反应扩散Hopfield神经网络稳定性

利用拓扑度理论和Lyapunov泛函方法研究了S-分布时滞反应扩散Hopfield神经网络平衡点的存在性及全局鲁棒指数稳定性.例子表明所得结果易于验证,具有广泛的适用性.     

时变时滞双向联想记忆神经网络的鲁棒稳定性

通过构造适当的Lyapunov泛函分析了一类时变时滞双向联想记忆神经网络的平衡点稳定性问题。不要求激励函数的单调性和可微性,得到了保证时变时滞双向联想记忆神经网络的平衡点全局鲁棒渐近稳定的两个新判据。所得到的结果能够表示成线性矩阵不等式形式,进而易于用内点算法等方法来验证。通过仿真例子与其他文献中的一些结果进行比较,表明了本文所得结果的有效性。     

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.     

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。     

一类复值神经网络的随机指数鲁棒稳定性

为分析Markova跳变参数对系统的影响，研究了一类具有Markova跳变参数和变时滞的复数域区间神经网络的动态行为。在假定复数域激活函数仅满足Lipchitz条件的情况下，首先利用M矩阵理论和同胚映射相关原理，研究了该系统平衡点的存在性和唯一性。然后利用矢量Lyapunov函数法分析了不同模式下平衡点的随机指数鲁棒稳定性。建立的稳定性条件推广了现有结论，并且容易验证。最后，通过一个数值仿真算例验证了所得结论的可行性。     

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。     

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。     

带有时滞的区间Lurie系统的鲁棒绝对稳定性分析

通过引入区间矩阵的等价表示方法,利用线性矩阵不等式理论和Lyapunov稳定性理论讨论了带有时滞的区间Lurie控制系统的鲁棒绝对稳定性,分别给出了直接控制系统和间接控制系统的时滞无关鲁棒绝对稳定性判别条件.所得分析结果保守性小,计算方便.     

Stability switches and bifurcation analysis in a coupled neural system with multiple delays

A coupled neural system with multiple delays has been investigated. The number of equilibrium points is analyzed. It implies that the neural system exhibits a unique equilibrium and three ones for the different values of coupling weight by employing the pitchfork bifurcation of the trivial equilibrium point. Further, the local asymptotical stability of the trivial equilibrium point is studied by analyzing the corresponding characteristic equation. Some stability criteria involving multiple delays and coupling weight are obtained. The results show that the neural system exhibits the delay-independent and delay-dependent stability. Increasing delay induces stability switching between resting state and periodic motion in some parameter regions of coupling weight. In addition, the criterion for the global stability of the trivial equilibrium is also derived by constructing a suitable Lyapunov functional. Finally, some numerical simulations are taken to support the theoretical results.     

时滞依赖的脉冲时滞神经网络的稳定性

基于Lyapunov泛函和不等式技巧,得到脉冲混合时滞神经网络全局指数稳定性的时滞依赖型判据,其中混合时滞包括离散时滞和分布时滞两种类型。该判据用线性矩阵不等式表示,并通过一个数值实例验证了判据的有效性。     

脉冲时滞细胞神经网络系统的指数稳定性

讨论了一类具有时滞的脉冲细胞神经网络的全局指数稳定性。利用Lyapunov函数和不等式技巧得到了该系统全局指数稳定的一个充分条件,同时给出示例说明结果的有效性。     

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．     

静态神经网络概周期解的存在性与全局指数稳定性

利用压缩不动点原理和微分不等式,研究了S-分布时滞静态神经网络概周期解的全局指数稳定性,在不要求作用函数有界、单调与可微的前提下,给出了判断该模型概周期解存在性与指数稳定性的新的充分性条件,该结论推广了已有的结果。     

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zi(t)=yi(et) 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.     

Asymptotical mean square stability of cellular neural networks with random delay

In this paper,the asymptotical mean-square stability analysis problem is considered for a class of cellular neural networks (CNNs) with random delay. Compared with the previous work,the delay is modeled by a continuous-time homogeneous Markov process with a finite number of states. The main purpose of this paper is to establish easily verifiable conditions under which the random delayed cellular neural network is asymptotic mean-square stability. By using some stochastic analysis techniques and Lyapunov-Krasovskii functional,some conditions are derived to ensure that the cellular neural networks with random delay is asymptotical mean-square stability. A numerical example is exploited to show the vadlidness of the established results.