排序方式： 共有4条查询结果，搜索用时 0 毫秒
1
1.
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． 相似文献
2.
为研究车辆建模导致的随机误差对自动化公路车辆系统等关联大系统的影响,将确定性箱体理论推广到随机箱体理论,利用M-矩阵理论和随机箱体理论,构造适当的向量Lyapunov函数,通过分析相应随机微分不等式的稳定性,利用随机大系统的系数矩阵以及与大系统关联的Lyapunov矩阵方程的解构造判定矩阵,得到该类大系统全局指数稳定性的充分性判据,即当判定矩阵为M-矩阵时,大系统是全局指数稳定的.仿真结果表明:本文算法收敛速度快,在20 s内系统状态就能达到稳定. 相似文献
3.
一类时间滞后关联大系统的全局指数稳定性 总被引：3，自引：1，他引：3
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． 相似文献
4.
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． 相似文献
1