带区间时变时滞的BAM神经网络渐近稳定性

针对一类具有区间时滞和随机干扰的BAM神经网络的全局渐近稳定性问题,通过构造合适的Lyapunov-Krasovskii泛函,应用随机分析和自由权值矩阵方法,并考虑时滞区间范围,得到了新的稳定性充分条件。该条件能够保证时滞BAM神经网络在均方意义下是全局渐近稳定的,同时适用于快时滞和慢时滞,其适用范围更广。最后,通过一个仿真实例证明了定理的有效性。     

一类离散BAM神经网络的全局渐近稳定性分析--LMI方法

提出一种新的神经网络模型--标准神经网络模型(SNNM),并给出基于线性矩阵不等式(LMI)的SNNM平衡点的全局渐近稳定性定理.通过状态的线性变换,将推广的离散BAM神经网络转化为SNNM,利用SNNM的稳定性结论,判定该离散BAM的全局渐近稳定性.该方法扩展了以前的稳定性结果,保守性低,容易验证,同时也适用于其它类型的递归神经网络的稳定性分析.     

区间时滞神经网络的随机稳定性

分析了区间变时滞的随机神经网络的全局渐进稳定性。区间变时滞不仅考虑了时变因素,而且考虑了时滞时变的上界和下界。通过Itô’s 微分公式和构造适当的李雅普罗夫泛函,并且引入自由权值矩阵,以线性矩阵不等式形式给出了该系统在均方意义下的全局渐进稳定的充分性判据。数值算例进一步证明了结论的有效性。     

不确定时滞BAM神经网络的鲁棒稳定性

利用自由权值矩阵和不等式分析技巧,研究了一类不确定时滞BAM神经网络的鲁棒稳定性问题。通过构造适当的Lyapunov泛函,对于所有允许的不确定性,以线性矩阵不等式形式给出了时滞BAM神经网络的全局鲁棒稳定性判据,该判据能够利用Matlab的LMI工具箱很容易地进行检验。此外,仿真示例进一步证明了判据的有效性。     

时滞杂交双向联想记忆神经网络的全局指数稳定性

在近十几年里，已提出了一类与双向联想记忆相联系的神经网络模型，这些模型推广了单层自联想Hebbian相关器为两层异联想模式匹配器，因而，这类网络在模式识别、信号与图像处理等领域中有广阔的应用前景．研究了带离散时滞杂交双向联想记忆神经网络的收敛特性，利用Halanay型不等式获得了网络全局指数稳定性的充分条件，所得结果是与时滞无关的；已证明利用Halanay型不等式获得的结果改进了由Lyapunov方法获得的结果，而且获得的结果容易判定，并且给出了一个数值例子以说明所得结论的正确性．     

时滞神经网络的全局渐近稳定性分析

研究一类具有时滞的细胞神经网络的稳定性问题,利用Lyapunov—Krasovskii泛函的方法,给出时滞相关的稳定性判据。稳定性判据是以线性矩阵不等式的形式给出,可以很容易得出时滞的上界。在得到时滞相关的稳定性判据的同时也可以得到时滞无关的稳定性判据。数值算例说明其结果的优越性。     

具有时变时滞的递归神经网络的渐近稳定性分析

当神经网络应用于最优化计算时,理想的情形是只有一个全局渐近稳定的平衡点,并且以指数速度趋近于平衡点,从而减少神经网络所需计算时间.研究了带时变时滞的递归神经网络的全局渐近稳定性.首先将要研究的模型转化为描述系统模型,然后利用Lyapunov-Krasovskii稳定性定理、线性矩阵不等式(LMI)技术、S过程和代数不等式方法,得到了确保时变时滞递归神经网络渐近稳定性的新的充分条件,并将它应用于常时滞神经网络和时滞细胞神经网络模型,分别得到了相应的全局渐近稳定性条件.理论分析和数值模拟显示,所得结果为时滞递归神经网络提供了新的稳定性判定准则.     

一类区间时变时滞系统的稳定性分析

针对一类区间时变时滞系统的稳定性问题,进行了全局渐近稳定性分析.通过引入时滞分段方法和构建恰当的Lyapunov-Krasovskii泛函,得到了新的区间时滞相关稳定性判定准则.该准则以线性矩阵不等式形式给出,便于利用LMI工具箱对系统的稳定性进行判定.新准则具有较少的保守性,并且在一定范围内保守性随着时滞分段增多而减少,即时滞分段越多,保守性越少.数值仿真算结果例表明了新准则所具有的有效性和较少的保守性.     

一种改进的区间时变时滞系统稳定性准则北大核心CSCD

研究区间时变时滞系统的稳定性问题。首先,通过引入一个区间调节参数,将系统时滞区间分解为两部分之和。其次,在两个子区间的基础上构造一个包含更多时滞信息和三重积分项的新Lyapunov-Krasovskii (L-K)泛函。在处理来自L-K泛函求导过程中产生的积分交叉项时,将时滞分属于各子区间的情况作为一个整体来研究。然后,基于Lyapunov稳定性理论,以线性矩阵不等式的形式给出一个新的稳定性准则。最后,通过两个数例证明所得稳定性准则的有效性。     

连续分布时滞Cohen-Grossberg神经网络渐近稳定性准则

通过选取一个新颖的Lyapunov-Krasovskii泛函和引入所考虑系统的等价描述系统, 讨论了具有时变和连续分布时滞Cohen-Grossberg神经网络的渐近稳定性问题. 在变时滞导函数有上界时, 给出能判定系统是渐近稳定时滞相关的充分性条件. 该条件以线性矩阵不等式形式给出, 易于用MATLAB工具箱LMI进行检验. 最后, 数值例子说明了所得结论的有效性.     

一类具有区间时变多状态时滞系统的稳定性分析

研究一类具有区间时变多状态时滞且时滞导数不确定的系统的稳定性问题. 通过选择合理的Lyapunov-Krasovskii函数结合辅助变量和广义状态法, 以LMI的形式给出了时滞相关的稳定性充分条件. 文中的结论对时滞的导数没有任何限制, 可用于具有快时变时滞系统. 与已有的相关研究成果相比, 结论更具有一般性, 保守性也更低. 最后通过仿真及数值算例说明了本文方法的有效性和优越性.     

改进的区间变时滞基因调控网络稳定性准则

为提高带区间变时滞基因调控网络的全局稳定性,利用李亚普诺夫泛函、线性矩阵不等式方法和新的积分不等式,得到一类改进基因调控网络的全局渐近稳定性判定条件。该稳定性准则不仅考虑时滞的时变因素,而且考虑时滞的上界和下界,由于采用新的积分不等式,使得这些结果具有更小的保守性且参数较少,对人工设计基因芯片可提供一定的参考。通过2个数值实例证明了理论结果的有效性。     

基于增广泛函的混合时滞区间神经网络的鲁棒稳定性

本文针对一类带有混合时变时滞 (离散和分布时滞)的区间递归神经网络进行了全局鲁棒稳定性研究.与之前的处理方法不同,在本文中通过使用一种新型的增广Lyapunov-Krasovskii泛函,从而得到了一类新颖的关于区间递归神经网络的时滞依赖全局鲁棒稳定性判据.在新的增广泛函中,由于首次使用了带有激活函数的积分项,系统状态和激活函数之间的关系将被更好地表示出来.因此,本文提出的判据具有更小的保守性.同时,在本文提出的判据中,放松了时变时滞变化率必须小于1的限制.仿真结果进一步证明了本文结果的有效性.     

改进的区间变时滞基因碱控网络稳定性准则

为提高带区间变时滞基因调控网络的全局稳定性,利用李亚普诺夫泛函、线性矩阵不等式方法和新的积分不等式,得到一类改进基因调控网络的全局渐近稳定性判定条件。该稳定性准则不仅考虑时滞的时变因素,而且考虑时滞的上界和下界,由于采用新的积分不等式,使得这些结果具有更小的保守性且参数较少,对人工设计基因芯片可提供一定的参考。通过2个数值实例证明了理论结果的有效性。     

一类中立型时滞神经网络的全局渐近稳定性

讨论了一类带有时滞的中立型神经网络的稳定性问题。通过构造Lyapunov-Krasovskii泛函,利用矩阵Schur补性质研究了此类中立型时滞神经网络模型的全局渐近稳定性,得出基于矩阵特征值的稳定性的充分判据,并给出基于矩阵特征值的时滞Hopfield神经网络全局渐近稳定性的充分条件;数值仿真检验了结果的有效性。     

区间时变细胞神经网络的全局鲁棒指数稳定性

研究了一类区间时变扰动、变时滞细胞神经网络的全局鲁棒指数稳定性问题．利用Leibniz-Newton公式对原系统进行模型变换,并分析了变换模型和原始模型的等价性．基于变换模型,运用线性矩阵不等式的方法,通过选择适当的Lyapunov-Krasovskii泛函,推导了该系统全局鲁棒指数稳定的时滞相关的充分条件．通过数值实例将所得结果与前人的结果相比较,表明了本文所提出的稳定判据具有更低的保守性．     

基于LMI方法的时滞细胞神经网络稳定性分析

神经网络是一个复杂的大规模非线性系统,而时滞神经网络的动态行为更为丰富和复杂．现有的研究时滞神经网络稳定性的方法中最为流行的是Lyapunov方法．它把稳定性问题变为某些适当地定义在系统轨迹上的泛函,通过这些泛函相应的稳定性条件就可以获得．该文得到了时滞细胞神经网络渐近稳定性的一些充分条件．作者利用了泛函微分方程的Lyapunov—Krasovskii稳定性理论和线性矩阵不等式(LMI)方法,精炼和推广了一些已有的结果．它们比目前文献报道的结果更少保守．该文还给出了确定时滞细胞神经网络稳定性更多的判定准则．     

具有区间时滞的不确定性随机时滞系统的时滞相关鲁棒稳定性

针对具有区间时滞的不确定性随机时滞系统, 进行稳定性分析. 通过考虑变时滞、时滞的上界及它们的差三者之间的关系, 并应用公式和Lyapunov稳定性理论, 在不忽略任何有用项的前提下, 得到改进的具有区间时滞的随机系统的稳定性判据. 数值实例验证了该方法的有效性.     

时变时滞不确定性神经网络的被动性准则

研究具有时变时滞不确定性神经网络的被动性问题。通过构造适当的Lyapunov泛函并利用一些分析技巧,给出一个新的条件,以确保与时变延迟的不确定性神经网络的被动性。被动条件以线性矩阵不等式(LMI)表示,可以很容易地通过有效内点算法进行求解。通过一个数例证明了该方法的有效性。     

具有概率分布时滞的神经网络稳定性新判据

基于概率理论和Lyapunov稳定性理论,研究一类具有概率分布时滞神经网络稳定性问题。通过构造合适的Lyapunov-Krasovskii（LK）泛函,运用Wirtinger不等式和倒凸技术来估计LK泛函导数的上界,得到了确保该类时滞神经网络在均方意义下的全局渐近稳定的新判据。该判据以LMIs形式表出,它不但依赖于时滞的上界,而且依赖于时滞的概率分布。给出两个数值例子,仿真表明所提方法的有效性和较弱的保守性。