时滞系统的鲁棒稳定性与BIBO稳定

根据Lyapunov稳定性的理论,研究了非线性扰动多时滞系统的稳定性,利用Lyapunov函数方法并结不等式的技巧分析了系统二次稳定性,运用Gronwall不等式分析了系统在闭环状态下的BIBO稳定,分别得到了系统稳定的充分条件,并且所得的结果推广了文献的有关内容。     

具有时滞的不确定系统的鲁棒稳定化

研究了具有时滞的不确定线性大系统的鲁棒稳定化问题，并不确定项分解为“秩１”形式和相乘形式，利用Ｌｙａｐｕｎｏｖ方法和结合代数Ｒｉｃｃａｔｉ方程，给出系统可二次镇定的充分条件，推广了文献［７］的结果。     

积分微分系统的鲁棒稳定化

研究了具有时滞的积分微分系统的鲁棒稳定化问题，利用不等式分析技巧，给出了具有不确定系统的鲁棒全局一致渐近稳定性的判别准则，举例说明了文中结果的优越性。     

多变量反馈系统的BIBO稳定化

研究了多变量反馈控制系统的ＢＩＢＯ稳定化问题，对于每一个子系统应用稳定的局部状态反馈，利用Ｌｙａｐｕｎｏｖ函数和结合矩阵Ｒｉｃｃａｔｉ方程，导出了保证多变量反馈控制系统ＢＩＢＯ稳定化的条件，所获得的这些条件有所改进，并推了文献的主要结果。     

通有连续时间神经网络的稳定性

研究通有连续时间神经网络的稳定性问题，利用常数交易法、Ｌｉａｐｕｎｏｖ函数法结合不等式分析技巧，获得了通有连续时间神经网络的平衡点是全局ｋ－指数稳定和全局渐近稳定的判别准则。作为特例，也得到了Ｈｏｐｆｉｅｌｄ模型和线性互连模型神经网络的相应稳定性。     

具有离散和分布时滞的中立型细胞神经网络的全局渐近稳定性

文章研究了一类具有离散和分布时滞的中立型细胞神经网络的全局渐近稳定性问题,首先利用拓扑度原理等相关知识,证明了系统的平衡点的存在唯一性,然后通过构造Lyapunov—Krasovskii泛函,得出了具有离散和分布时滞的中立型神经网络系统的平凡解的全局指数稳定性的判别条件。     

细胞神经网络指数稳定及周期解的新判据 *

利用细胞神经网络激励函数的特点,对连接权矩阵进行适当分块,结合线性矩阵不等式分析技巧,得到 了指数稳定及周期解存在的新判据,得到的新判据具有更弱的保守性。仿真结果表明,新判据是有效的。     

基于分块矩阵的投影型神经网络收敛性分析*

投影神经网络算法被誉为最有希望解决优化问题的算法之一,可用于求解优化问题的前提是它应具有全局收敛性。根据凸二次规划约束条件的特点,利用常微分方程理论、M-矩阵理论,通过构造适当的Lyapunov函数,获得了该网络求解一类凸二次规划问题的全局指数收敛性条件,该条件只与神经元连接权矩阵的部分元素有关,其比现有文献所得的收敛条件更弱。最后给出一组实例,说明该网络计算上是可行和有效的。     

基于图的关联规则挖掘高效算法研究

通过对文献[1]中介绍的基于图的关联规则挖掘算法的详细分析,提出了一种新的基于完全子图的关联规则挖掘算法。该算法利用完全子图与频繁项集的对应关系,以完全子图结点的度作为判断标准,完全避免了不必比较项目之间的比较：同时通过设置关联图结点的order值,完全避免了相同项目集的重复比较,从而在寻找k-项频繁集（k〉3）的过程中,时间复杂度远小于原算法的1/k-1。因此,该算法减小了存傅空间,加快了挖掘速度,提高了算法的效率。     

一类神经网络的L2-增益稳定性

运用研究控制系统有限增益稳定的方法,讨论了神经网络关于扰动的Hopfield型神经网络扰动的L2-增益稳定性问题。对该网络模型研究的一个重要应用在于优化计算和联想记忆。利用常数变易法和李雅谱洛夫函数法,结合不等式分析技巧,给出了一些在内外部存在扰动的情况下,保证网络L2-增益稳定的充分条件,这些条件简洁,易于在应用中检验。