随机时滞Recurrent神经网络的指数稳定性

研究了随机时滞Recurrent神经网络的稳定性,利用Lyapunov函数和It公式,结合矩阵分析技巧,给出了系统均方指数稳定的充分条件,并由此推得随机时滞Hopfield神经网络和随机时滞细胞神经网络的稳定性条件.     

带时变时滞细胞神经网络的全局渐近稳定性

研究了带时变时滞的细胞神经网络的全局渐近稳定性问题,给出了带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。首先,提出所研究的时滞细胞神经网络模型、系统激活函数所需满足的条件及需要的引理。然后,将所研究的系统通过一个等式进行线性变换,在定义一个与系统相关的映射操作基础上,基于Lya-punov-Krasovskii稳定性定理和线性矩阵不等式技术来讨论时滞细胞神经网络的全局渐近稳定性。所得条件是时滞相关的。最后,用一个数值例子验证所得的稳定性条件是有效的。     

时滞Cohen-Grossberg神经网络的全局稳定性

为将神经网络应用于最优化问题的求解,对具有无穷时滞的Cohen-Grossberg神经网络平衡点的存在性、唯一性和全局渐近稳定性进行了探讨．在不假设激活函数有界性、单调性和可微性的情况下,得到了系统平衡点的存在性条件．利用向量Liapunov函数法,构造适当的含有无穷时滞的微分一积分不等式,并分析了微分-积分不等式的稳定性,得到了Cohen—Grossberg神经网络系统全局渐近稳定性的判据．通过判断由神经网络的权系数、自反馈函数以及激励函数构造的矩阵是否为M-矩阵,即可得到Cohen—Grossberg神经网络系统的全局渐近稳定性．最后给出了一个算例,以说明该判据的正确性．     

时滞细胞神经网络的渐近稳定性

利用Lyapunov泛函方法和不等式技巧,讨论了一类具有时滞的细胞神经网络模型渐近稳定性,得到了一个新的充分条件,该结果具有更好的适用性.     

分布时滞动态神经网络的全局指数稳定性

在没有假定激励函数有界、可微的情况下,研究包含分布时滞的动态神经网络平衡点的存在性、唯一性和全局指数稳定性.根据M-矩阵和拓扑学的有关知识,以及李雅普诺夫稳定性理论,获得该类神经网络平衡点的存在性、唯一性及其全局指数稳定的充分判据.用神经网络的权值矩阵和激励函数满足的条件构造判定矩阵.如果判定矩阵为M-矩阵,则系统存在唯一平衡点,是全局指数稳定的.     

状态空间时滞系统稳定性检验的二维方法

由于时滞系统的特征根有无限多个，所以检验时滞系统的稳定性是困难的，为解决这一问题，本文提出用二维方法检验时滞系统的稳定性．对给定时滞系统的特征多项式，根据时滞构造适当阶次的二维s-z混合多项式，则该二维s-z混合多项式的稳定性可确保该时滞系统为稳定的．本文提出二维Routh-Schur检验用于二维s-z混合多项式的稳定性的代数检验．应用举例说明了本文所提方法的可行性。     

具有无穷时滞高阶模糊Cohen-Grossberg神经网络的稳定性

利用M矩阵理论和矩阵不等式、矢量Lyapunov 函数法,研究了一类具有无穷时滞的高阶模糊Cohen-Grossberg神经网络的全局指数稳定性.在不要求神经网络激活函数的单调递增性、可微性及Lipschitz连续等假设条件下,得到了该类神经网络平衡点的存在性和唯一性,以及全局指数稳定性的代数判据.该判据为M矩阵的显式形式,与系统的时间滞后以及反应扩散无关,易于在应用中进行检验.最后,通过仿真算例,验证了该方法的正确性和有效性.      

脉冲时滞细胞神经网络周期解的存在性和指数稳定性

研究了脉冲时滞神经网络周期解的存在性和全局指数稳定性问题。运用控制压缩原理和Lyapunov函数建立了几个确保系统周期解存在和稳定的充分条件。有助于设计和应用CNN型生物和人工神经网络。数值实例验证了结论的正确性。     

脉冲干扰复数域Cohen-Grossberg神经网络的稳定性

为了分析脉冲干扰因素对复数域神经网络的影响,研究了一类具有脉冲干扰的变时滞复数域Cohen-Grossberg神经网络的平衡点的动态行为.在假定放大函数、自反馈函数以及激活函数定义在复数域的情况下,首先,利用M矩阵和同胚映射的相关原理,分析了该系统平衡点的存在性和唯一性;其次,利用向量Lyapunov函数法以及数学归纳法,研究了该系统平衡点的全局模指数稳定性,并建立的稳定性判据;最后,通过两个数值仿真算例验证了所得结论的实用性和正确性.仿真结果显示系统状态在0.5 s便可收敛到平衡状态.研究结果表明:时滞和脉冲干扰强度越大、放大函数越小,则神经元状态的指数收敛速度越慢.      

线性中立型时滞系统的稳定性判据

用基于频域的特征方程方法研究线性中立型时滞系统的渐近稳定性．利用与系统的状态、时滞及微分项有关的系数矩阵的结构特征，推导了与时滞无关的代数稳定性判据．与已有结果比较，新判据减弱了对系数矩阵的限制，扩大了稳定参数域．用新判据确定了算例的渐近稳定性，而对此算例原有判据已不适用。