具有混合时滞的脉冲复值神经网络的全局μ-稳定性

研究了具有离散变化时滞和无界分布时滞的脉冲复值神经网络的稳定性,在所研究的神经网络中,活动函数仅仅要求满足Lipschitz条件.运用同胚映射原理,证明了具有混合时滞的脉冲复值神经网络平衡点的存在性和唯一性.通过构造Lyapunov-Krasovskii泛函,使用自由权矩阵方法和不等式技巧,获得了网络平衡点的全局μ-稳定性的充分性判据.数值仿真实例验证了结果的有效性.     

离散时间型复值神经网络的全局指数周期性

复值神经网络是神经网络的一个分支,也是最近几年快速发展的一个领域,在图像处理、模式识别、联想记忆等方面有广泛的应用．目前,对于复值神经网络动力学方面的研究主要集中在稳定性上,对于离散时间型复值神经网络周期性的研究还几乎没有．首先将连续时间型复值神经网络模型离散化得到离散时间型复值神经网络模型,然后利用M矩阵理论、不等式技巧和Lyapunov方法,获得了全局指数周期性的一个充分条件,最后给出的具有仿真的数值例子验证了获得结果的有效性.     

具有泄漏时滞的复值神经网络的全局同步性

研究了一类具有泄漏时滞的复值神经网络的全局同步性问题.在不要求激励函数可分离为实部函数和虚部函数的条件下,通过构造合适的Lyapunov-Krasovskii泛函,并运用驱动-响应同步方法、自由权矩阵方法和矩阵不等式技巧,获得了具有泄漏时滞的复值神经网络全局同步性的充分条件和同步控制器设计方法.给出的判据是由复值线性矩阵不等式表示的,易于MATLAB软件的YALMIP Toolbox实现.数值仿真实例验证了获得结果的有效性.     

基于忆阻的分数阶时滞复值神经网络的全局渐近稳定性

研究了分数阶复值神经网络的稳定性.针对一类基于忆阻的分数阶时滞复值神经网络,利用Caputo分数阶微分意义上Filippov解的概念, 研究其平衡点的存在性和唯一性.采用了将复值神经网络分离成实部和虚部的研究方法, 将实数域上的比较原理、不动点定理应用到稳定性分析中, 得到了模型平衡点存在性、唯一性和全局渐近稳定性的充分判据.数值仿真实例验证了获得结果的有效性.     

带有变化分布时滞的复值神经网络Lagrange稳定性

研究了带有变化分布时滞的复值神经网络Lagrange稳定性问题.通过构造合适的Lyapunov Krasovskii泛函, 并使用矩阵不等式技巧,建立了网络全局指数Lagrange稳定性的判定条件.提供的判据是复值线性矩阵不等式, 能够使用MATLAB软件的YALMIP工具箱快速计算.     

带有时滞的Clifford值神经网络的全局指数稳定性

研究了带有离散时滞和分布时滞的Clifford值递归神经网络的全局指数稳定性问题.首先运用M矩阵的性质和不等式技巧证明了Clifford值递归神经网络平衡点的存在性和唯一性;然后通过数学分析方法,得到了Clifford值递归神经网络全局指数稳定的判定条件;最后数值仿真例子验证了获得结果的有效性.     

具有界时滞和分布时滞的脉冲细胞神经网络动力系统的全局指数稳定性

基于现有文献大多研究线性脉冲动力系统,对具非线性脉冲影响的研究较少的情况,主要利用拓扑度理论,M-矩阵理论,Liapunov泛函方法,研究了具有界时滞和分布时滞的一类细胞神经网络动力系统的非线性脉冲影响,获得了其平衡点全局指数稳定性的充分条件.     

带有比例时滞的复值神经网络全局指数稳定性

研究了带有比例时滞的复值神经网络全局指数稳定性问题.借助向量Lyapunov函数思想和同胚映射原理,并使用M-矩阵理论和不等式技巧,建立了网络平衡点存在性、唯一性和全局指数稳定性的判定条件.     

具有时滞的一般型脉冲神经网络的指数稳定性

讨论具有时滞的一般性脉冲神经网络的稳定性.在不假定激励函数有界或可导的前提下,利用非光滑分析和Lyapunov泛函,得到了这类神经网络系统平衡点的存在唯一性和全局指数稳定性判别准则.作为特例,得到了Hopfield神经网络,时滞细胞神经网络,双向联想记忆神经网络的平衡点的存在唯一性和全局指数稳定性判定定理.     

一类分数阶复值SIR传染病模型的稳定性分析

研究了一类分数阶复值SIR传染病模型的稳定性.首先把原复值系统分解成实部系统和虚部系统,并讨论系统的无病平衡点.然后基于Jacobian矩阵计算出系统矩阵的特征值的正负来判断系统无病平衡点的局部稳定性,以及利用FV-1方法计算出系统的基本再生数,分析无病平衡点的全局稳定性.最后通过仿真验证了理论结果的正确性.     

具有泄漏时滞和混合加性时变时滞复数神经网络的状态估计

研究了具有泄漏时滞、加性离散时变时滞、加性分布时变时滞复数神经网络的状态估计问题.在复数神经网络不分解条件下, 通过构造合适的Lyapunov-Krasovskii泛函, 并应用自由权矩阵、矩阵不等式和倒数凸组合法等方法, 通过可观测的输出测量来估计神经元状态, 给出了判断误差状态模型全局渐近稳定的与时滞相关的复数线性矩阵不等式.最后, 通过一个数值仿真算例验证了理论分析的有效性.     

具有不确定性的分数阶时滞复值神经网络无源性

该文研究了一类具有不确定性和时滞的分数阶复值神经网络无源性问题,未将复值神经网络模型拆分成两个实值系统,而是将复值系统当成一个整体直接进行处理.通过构造恰当的Lyapunov函数,并利用矩阵不等式技巧,建立了网络无源性的线性矩阵不等式判据.给出的数值例子和仿真验证了获得结论的可行性和有效性.     

具有混合时滞的区间神经网络的全局指数稳定性

本文研究了一类具有混合时滞的区间神经网络系统的全局指数稳定性.通过选择适当的Lyapunov泛函,运用不等式技巧,得到了用线性矩阵不等式表示的有关的区间神经网络全局指数稳定的充分判据.通过一个数值实例验证了判据的有效性.     

Asymptotical Stability for a Class of Complex-Valued Projective Neural Network

In this paper, a new class of complex-valued projective neural network is introduced and studied on a nonempty, closed, and convex subset of a finite-dimensional complex space. An existence and uniqueness result for the equilibrium point of complex-valued projective neural network is proved under some suitable conditions. Moreover, by utilizing the linear matrix inequality technique, some sufficient conditions are presented to ensure the asymptotical stability of the complex-valued projective neural network. Finally, two examples are given to illustrate the validity and feasibility of main results.     

Exponential stability of reaction-diffusion high-order Markovian jump Hopfield neural networks with time-varying delays

This paper studies the problems of global exponential stability of reaction-diffusion high-order Markovian jump Hopfield neural networks with time-varying delays. By employing a new Lyapunov-Krasovskii functional and linear matrix inequality, some criteria of global exponential stability in the mean square for the reaction-diffusion high-order neural networks are established, which are easily verifiable and have a wider adaptive. An example is also discussed to illustrate our results.     

Global exponential stability in Lagrange sense for recurrent neural networks with both time-varying delays and general activation functions via LMI approach

In this paper, we study the global exponential stability in a Lagrange sense for recurrent neural networks with both time-varying delays and general activation functions. Based on assuming that the activation functions are neither bounded nor monotonous or differentiable, several algebraic criterions in linear matrix inequality form for the global exponential stability in a Lagrange sense of the neural networks are obtained by virtue of Lyapunov functions and Halanay delay differential inequality. Meanwhile, the estimations of the globally exponentially attractive sets are given out. The results derived here are more general than that of the existing reference. Finally, two examples are given and analyzed to demonstrate our results.