时变时滞细胞神经网络的周期运动的稳定性

利用M-矩阵理论和矢量Lyapunov函数方法,研究变时滞周期运动细胞神经网络的全局指数稳定性．在放松该类神经网络激活函数的有界性、单调递增性、可微性及Lipsehitz连续等条件下,得到了该类神经网络周期解的存在性与全局指数稳定的代数判据．该判据基于神经网络激活函数满足的条件,利用连接权值矩阵及阻尼系数矩阵构造测试矩阵,根据测试矩阵是否为M-矩阵判定系统周期解的存在性与全局指数稳性．     

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.     

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.      

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．     

一类时间滞后关联大系统的全局指数稳定性

利用M-矩阵理论，通过构造适当的向量李雅普诺夫函数，研究一类具有时变时间滞后的线性关联大系统的全局指数稳定性．在时间滞后连续且有界的条件下，通过分析具有时间滞后的微分不等式的稳定性，得到了该类大系统全局指数稳定的一个判据．该判据利用大系统的系数矩阵以及与大系统关联的李雅普诺夫矩阵方程的解构造判定矩阵，根据判定矩阵是否为M-矩阵判定大系统的全局指数稳定性．该判据计算简便，且与时间滞后量无关，便于应用．     

具有反应扩散的神经网络的稳定性分析

通过构造适当的平均Luapunov函数，利用M矩阵理论，研究了一类具有反应扩散的Hopfield神经网络的全局稳定性．在放松神经网络的激活函数的有界性、单调递增性和可微性的条件下，得到了神经网络的全局渐近稳定的条件．这些条件适合于神经网络的关联矩阵为对称或非对称矩阵、激活函数为非单调的情况．     

一类混合时滞复值神经网络的动态行为分析

为将复值神经网络应用于模式识别,对一类具有混合时滞的复值神经网络平衡点的动态行为进行了探讨.在假定激活函数满足Lipschitz条件的情况下,利用同胚映射相关引理以及向量Lyapunov函数法,研究了确保该系统平衡点的存在性、唯一性以及指数稳定性的充分条件.研究结果表明,用复值神经网络的权系数、自反馈函数及激活函数所构造的判定矩阵是M矩阵.最后,通过一个数值仿真算例验证了所得结论的正确性.      

一类神经网络的全局稳定性分析

研究一类Hopfield型神经网络的平衡点的存在性，唯一性和全局稳定性，在放弃神经网络激活函数的有界性，单调递增性和可微性条件下，得到了神经网络平衡点的存在性和唯一性条件；利用M矩阵理论，通过构造适当的Liapunov函数，得到神经网络全局稳定性条件，这些条件适用于神经网络中关联矩阵为对称或非对称，激活函数为非单调的情况。     

广义Hopfield神经网络的绝对指数稳定性

研究了一类广义神经网络系统平衡点的存在性、唯一性和绝对指数稳定性.这类神经网络包含Hopfield神经网络和细胞型神经网络,不要求激活函数可微和有界.应用拓扑理论,得到了广义Hopfield神经网络平衡点的存在性和唯一性的充分必要条件;利用矩阵的性质,通过构造Lurie型Liapunov函数,得到了广义Hopfield神经网络绝对指数稳定的充分条件以及几类特殊神经网络绝对指数稳定的充分必要条件.     

一类时滞Hopfield神经网络系统的全局稳定性

研究一类时滞Hopfield神经网络系统的平衡状态的存在性与全局稳定性,这类系统放弃了以前对激活函数的可微性与单调性要求。利用M矩阵理论,通过构造适当的Liapunov泛函,得到了系统全局渐近稳定的充分条件,改进了以前的相关结论。     

һ���ʱ�ʹ�ϵͳ��ָ�������ʹ���

基于一类变时滞大系统全局指数稳定性的研究结果，提出了一种大系统指数收敛率的估计方法．利用此方法对该系统的指数收敛率进行了估计，得到了系统指数收敛率的估计式．该方法以大系统的系数矩阵以及与大系统关联的李雅普诺夫矩阵方程的解构造判定矩阵。利用M一矩阵理论，来确定系统的指数收敛率，计算简便，且与时间滞后量无关，便于在实践中应用．     

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.     

脉冲混沌神经网络的全局指数同步性

为研究脉冲神经网络的动力学行为,基于驱动-响应概念分析了两种具有可变时滞的脉冲混沌神经网络的全局指数同步性.假设激活函数满足严格单调递增,用神经网络的权系数、自反馈函数及激活函数构造不等式.根据向量Lyapunov函数理论,得到了驱动-响应系统全局指数同步充分条件的方程,即该方程小于0.数值仿真结果证明了该充分条件的正确性.     

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。     

对时滞BAM神经网络脉冲上界的估计

研究了时滞双向联想神经网络的指数稳定性,集中讨论了脉冲对指数稳定性的影响。结果显示,若非脉冲DBAM系统全局指数稳定,即使状态在脉冲时刻被放大到某一较大范围,相应的脉冲系统也能保持其稳定特性。根据非脉冲系统的指数收敛度,对保持系统指数稳定的脉冲上界和脉冲间隔进行了估计。