具有S-分布时滞BAM神经网络的全局指数稳定性

研究一类S-分布时滞BAM神经网络的稳定性问题.通过构造恰当的Lebesgue-Stieltjes积分型Lyapunov泛函,并结合Schwartz不等式和一些分析技巧,得到了系统全局指数稳定的充分条件,最后给出了主要定理的一个实例,表明结论的有效性.     

一类具变时滞的模糊BAM神经网络的平衡点的指数稳定性(英文)

研究一类具变时滞的模糊BAM神经网络.利用拓扑度论和微分不等式,获得了该类网络平衡点的存在性、唯一性和全局指数稳定性的充分条件.一个例子用来解释本文获得的结果.     

变时滞区间细胞神经网络的全局鲁棒稳定性

利用拓扑度理论和Liapunov泛函方法讨论了变时滞区间细胞神经网络的全局鲁棒稳定性．给出了实用有效的判定条件,推广了有关文献中的结果．     

具有leakage时滞与随机干扰的离散神经网络渐近稳定性分析

研究了一类具有leakage时滞与随机干扰的离散型神经网络的全局渐近稳定性问题．利用一种新的时滞分割方法将时滞区间分割为多个区间．通过构造新的Lyapunov泛函得到了基于线性矩阵不等式（LMI）的渐近稳定性判据．该判据在获得更小的保守性同时也降低了计算的复杂度．     

具有时滞的细胞神经网络模型的全局指数稳定性

利用拓扑度理论、推广的Halanaly矩阵时滞微分不等式、Lyapunov原理以及Dini导数,研究了具有时滞的细胞神经网络模型的全局指数稳定性．去掉了有关文献中要求输出函数fj在实数集R上有界、可微的条件,给出了更弱的判定平衡点的存在唯一性以及全局指数稳定性的判据,推广和改进了前人的相关结论,最后的数值例子说明本文结果不仅保守性小,而且计算简单．     

具有多时变分布时滞的Lurie控制系统的绝对稳定性

研究了一类具有多时变分布时滞的Lurie控制系统的绝对稳定性.通过构造合适的Lyapunov函数,并利用矩阵不等式技术,获得了该控制系统绝对稳定性的充分条件.     

多比例时滞细胞神经网络的指数周期性与稳定性

研究了一类具多比例时滞细胞神经网络的全局指数周期性与稳定性.通过变换y(t)=x(e~t)将具多比例时滞的细胞神经网络变换成具常时滞变系数的细胞神经网络,利用一些分析技巧与构造合适的Lyapunov泛函,得到系统的周期解存在唯一且全局指数周期的时滞依赖的充分条件,判断方法简单易验证.并给出了两个例子及其数值仿真结果以支持所得结论.     

具有时滞的广义BAM脉冲神经网络的全局指数稳定性

本文讨论一类具有时滞的广义双向联想记忆（BAM）脉冲神经网络的指数稳定性．利用Banach空间的不动点定理和Lyapunoy泛函,在不假定激励函数有界、单调和可徽的条件下,得到了平衡点的存在唯一性定理及其为全局指数稳定的充分条件．文末通过实例阐释了所获结论的有效性．     

具有混合时滞和脉冲效应的随机反应扩散Cohen-Grossberg神经网络的指数稳定性

研究了一类具有混合时滞和脉冲效应的随机反应扩散Cohen—Grossberg神经网络模型,应用M-矩阵,It微分公式和分析技巧,得到了模型平衡点的全局均方指数稳定性的充分条件,所得结果推广了已有的工作．     

具有连续分布时滞神经网络的稳定性分析

本文研究具有连续分布时滞神经网络的平衡点的稳定性问题,利用构造Ｌｙａｐｕｎｏｖ泛函和不等式分析技巧,给出了具有连续分布时滞神经网络全局渐近稳定性的充分条件。     

高阶S-分布时滞广义细胞神经网络的全局指数稳定性

研究一类高阶S-分布时滞广义细胞神经网络的稳定性.利用一些分析技巧,通过构造恰当的Lebesgue-Stieltjes积分型Lyapunov泛函,得到系统全局指数稳定的充分条件,判断方法简单易验证.最后给出了主要定理的一个实例,表明结论的有效性.     

带脉冲的BAM神经网络的全局指数稳定性

利用M矩阵理论,推广的微分不等式和Lyapunov函数,研究了一类带时滞和脉冲的BAM神经网络平衡点的存在唯一性和全局指数稳定性条件.文中推广了以往文献脉冲函数的形式,无需时滞的可导性要求,从而减弱了以往结论的条件,并且可以估计网络的指数收敛速率.     

具常数时滞细胞神经网络概周期解

利用矩阵不等式的分析技巧和Banach空间中不动点定理,得到了具常数时滞细胞神经网络概周期解的存在性、唯一性和全局指数稳定性,推广和改进了已有文献的结论。     

Exponential input-to-state stability of recurrent neural networks with multiple time-varying delays

In this paper, input-to-state stability problems for a class of recurrent neural networks model with multiple time-varying delays are concerned with. By utilizing the Lyapunov–Krasovskii functional method and linear matrix inequalities techniques, some sufficient conditions ensuring the exponential input-to-state stability of delayed network systems are firstly obtained. Two numerical examples and its simulations are given to illustrate the efficiency of the derived results.     

具时滞的Hopfield型神经网络模型的全局渐近稳定性

本文研究了具时滞的Hopfield型神经网络模型平衡点的全局渐近稳定性,获得了一系列充分条件。     

分布时滞双向神经网络的周期解的渐近稳定性

利用重合度连续定理和适当的李亚普诺夫泛函,研究了分布时滞双向神经网络xi^.(t)=-ai(t)xi(t) ∑j=1^m pj,(t)∫-∞^t hji(t-s)fj(yj(s))ds Ii(t),i=1,2……,n,yj^.(t)=-bj(t)yj(t) ∑i=1^n qij(t)∫-∞^t kij(t-s)gi(xi(s))ds Jj(t),j=1,2,…,m的周期解的存在性和渐近稳定性。     

一类BAM随机神经网络的稳定性

对于一类双向联想记忆（BAM）随机神经网络。研究其全局稳定性和指数稳定性,利用Schwarz积分不等式和Ito积分性质,给出其稳定性判定的充分性条件．