变时滞高阶Hopfield神经网络的全局指数稳定性

文章首先利用Brouwer不动点定理得到了平衡点存在性的充分条件,然后利用不等式分析技巧得到平衡点的唯一性及全局指数稳定性的一个新的判据.     

Hopfield型连续反馈神经网络的全局指数稳定性

研究了Ｈｏｐｆｉｅｌｄ型连续反馈神经网络的全局指数稳定性,给出了平衡点的全局指数稳定性的充分条件,这些条件有利神经计算,同时对于Ｈｏｐｆｉｅｌｄ型连续反馈神经网络的设计和应用都很有意义。     

具有时变时滞的Hopfield神经网络的全局指数稳定性及衰减速度估计

应用Razumikhin型稳定性定理讨论了具有时变时滞的Hopfield神经网络平衡点的全局指数稳定性,给出了系统全局指数稳定的时滞相关和时滞无关的充分条件,同时讨论了这类系统的衰减速度.最后,通过一个例子说明本文结果的优越性.     

含时延和扰动的连续BAM神经网络的稳定性和指数收敛速度估计

采用不等式技巧和Lyapunov函数，分析了含时延和扰动的连续BAM神经网络平衡点的存在前提，平衡点渐近稳定的充分条件以及平衡点的指数收敛速度．     

Hopfield型连续神经网络的全局指数稳定性

本文利用Lyapunov函数方法研究了连续Hopfield型神经网络的指数稳定性问题,得到了平衡点的全局指数稳定性的两个新的充分条件,这两个条件对于神经计算与神经网络设计具有重要的理论意义和应用价值.     

时滞Hopfield神经网络的全局指数稳定性

利用时滞微分不等式,讨论了时滞Hopfield神经网络的全局指数稳定性,获得了几个判定条件。这些结论推广了已知文献中的结果。     

随机时滞Hopfield型神经网络的几乎指数稳定性

利用Lyapunov泛函和Ito公式，研究了具有时滞的随机Hopfield型神经网络的几乎指数稳定性，证明了一个定理和两个推论．当随机扰动为0时，得到确定性的时滞神经网络指数稳定性的结果．     

Hopfield型连续神经网络的全局指数稳定性

本文利用Lyapunov函数方法研究了连续Hopfield型神经网络的指数稳定性问题,得到了平衡点的全局指数稳定性的两个新的充分条件,这两个条件对于神经计算与神经网络设计具有重要的理论意义和应用价值。     

Hopfield神经网络的指数稳定性

研究了一类神经网络的稳定性问题,通过构造Liapunov函数给出了Hopfield神经网络的平衡点的指数稳定的充分条件.     

随机时滞Hopfield神经网络的均方指数稳定性

利用Ｌｙａｐｕｎｏｖ泛函数和Ｉｔｏ公式，研究了具有时滞的随机Ｈｏｐｆｉｅｌｄ型神经网络的均方指数稳定性，证明了三条定理和三个推论，当随机扰动这零时，便得到确定性的时滞神经网络指数稳定的结果。     

高阶时滞神经网络模型的全局指数稳定性

对具有时滞的二阶Hopfield型神经网络平衡点的全局渐近稳定性问题进行了研究.在不要求连接权矩阵的对称性和输入输出函数的可微性与单调性,只要求系统的参数满足是一个M矩阵的情况下,利用推广的Hanalay不等式和上右导数导得系统全局指数稳定性的若干充分条件.为二阶时滞神经网络稳定性的新方法、新结论.     

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.     

含混合时滞的随机Hopfiled神经网络的全局指数稳定性

考虑一类含混合时滞的随机Hopfiled神经网络,运用Razumikin方法和不等式技巧得到了该网络平凡解的p阶指数稳定性,推广了一些已有的结果,并利用一个例子,说明结果的有效性.     

一类分数阶Hopfield神经网络的Mittag-Leffler稳定性

研究了Caputo导数形式下的一类分数阶Hopfield神经网络的Mittag-Leffler稳定性.利用Mittag-Leffler函数的相关性质,得到该类系统平衡点的存在性与唯一性的充分条件,进而得到该类分数阶Hopfield神经网络的Mittag-Leffler稳定性的充分条件.最后,利用仿真实例验证了该结果的正确性与有效性.     

双向联想记忆神经网络的全局指数稳定性

在研究双向联想记忆神经网络时,通常都假设输出响应函数是光滑的增函数,但实际应用中遇到的大多数函数都是非光滑函数。因此,本文将双向联想记忆神经网络的输出响应函数连续可微的假设削弱为满足Lipschitz条件,通过引入Lyapunov函数,利用不等式的方法,证明了双向联想记忆神经网络全局指数稳定性的一个定理。     

变时滞神经网络指数稳定性条件

基于时滞细胞神经网络(DCNNs)在图像处理等领域的广泛应用,有关它的研究引起了越来越多学者和专家的关注.早期DCNNs稳定性的结果大多由网络权矩阵的分量构成的代数不等式来表示.运用Lyapunov-Krasovskii泛函的方法,研究了DCNNs的指数稳定性,所得充分条件以矩阵的(半)正定形式出现,在实际应用中更加便于验证.与文献中的结果相比较,所得判据适用范围更广.     

一类连续型Hopfield神经网络全局指数稳定的新判据

在连接权矩阵未必对称也未必是M-矩阵的情况下，本给出了一类连续型Hopfield神经网络全局指数稳定的新判据。所得结果比所引献中的结论更优。更实用。     

关于神经网络的指数稳定性

系统地研究了一类神经网络的全局指数稳定性，仅假设激活函数是全局李普希兹连续的，给出了其平衡点的存在性、唯一性和指数稳定性的充分条件。     

新型Hopfield神经网络概周期解的全局指数稳定

基于生物学方面的最近研究成果,本文提出一种具有动态突触和不同时间尺度的新型Hopfie!d时滞神经网络,并用不动点定理、常数变易法及不等式技巧等讨论该神经网络在常时滞和变时滞两种情况下概周期解的存在唯一性和全局指数稳定吸引性．