一类细胞神经网络概周期解的存在性与全局吸引性

研究各细胞元拥有各自信号处理函数并具分布时滞的二维分流抑制细胞神经网络的概周期解的存在性和吸引性，获得存在性与吸引性的一个充分条件．     

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.     

二元神经网络模型概周期解的存在性

本文研究了两个神经元的神经网络模型y1(t)=-α1y1(t) f(y2(t-T1) -Г2)) J1(t),y2(t)=-α2y2(t) g(y1(t-T2)-Г1)) J2(t)概周期解的存在性,获得存在概周期解的充分条件。     

一个造血模型的概周期正解的存在唯一性和全局吸引性

本文讨论了一类具有无穷时滞的泛函微分方程 N′（t）=-α（t）N（t）＋b（t）∫0^∞K（s）e^-q（t）N（t-s）ds,t≥0, 正概周期解的存在唯一性和全局吸引性问题,利用锥中不动点定理,不仅得到了上述系统的正概周期解的存在唯一性和全局吸引性的结论,还改进了文献[15]的主要结果,并且我们的方法比压缩映象原理要好．如果（＊）中所有的系数都为周期的,相应的结论也是成立的,此时,我们的结果也推广了现有文献的结论．     

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。     

具有放牧率的某些概周期生态模型

文［１］研究了具有放牧率的周期生态模型的周期解的存在性、唯一性与稳定性等问题．本文考虑更加广泛的生态模型,即具有放牧率的概周期生态系统的概周期解的存在性、稳定性,通过利用指数型二分性和不动点方法,得到一些新结果．     

具有放牧率的n阶Lotka-Volterra概周期竞争系统

利用线性系统指数型二分性理论和不动点定理给出了具有放牧率的n阶Lotka-Volterra概周期系统,给出该系统存在唯一稳定的概周期正解的一个实用、简洁的充分条件．     

一类二阶时滞Cohen-Grossberg神经系统周期解的存在性（英文）

本文通过运用Mawhiin迭合度理论,并采用分析变形方法和不等式变形技巧,得到了一类二阶的变时滞Cohen-Grossberg BAM神经网络系统周期解新的存在条件.     

带脉冲变系数的BAM神经网络的全局指数稳定性

在固定脉冲时刻,利用无需有界、单调和可微的李普希茨激励函数,来研究BAM脉冲神经网络,获得平衡点的存在唯一性和全局指数稳定性的充分条件,然后通过举例来验证所得结论的有效性．     

具变时滞细胞神经网络系统解的稳定性与Hopf分岔（英文）

在本文中,我们利用不动点理论和技巧,结合一类变时滞细胞神经网络系统的动力特征,研究其概周期解的存在性,在传递函数去掉有界的条件下,得到其不依赖于时滞的解的存在唯一性。进一步应用指数D-划分法,讨论系统的平衡点的性态,给出其稳定性和Hopf分岔存在的充分条件.再者我们研究具有时滞随机细胞神经网络系统解的指数稳定性,得到了当该系统的扰动项满足Lipschitz条件时的一些几乎必然指数稳定性的代数准则.     

Mean square stability of uncertain stochastic BAM neural networks with interval time-varying delays

The robust asymptotic stability analysis for uncertain BAM neural networks with both interval time-varying delays and stochastic disturbances is considered. By using the stochastic analysis approach, employing some free-weighting matrices and introducing an appropriate type of Lyapunov functional which takes into account the ranges for delays, some new stability criteria are established to guarantee the delayed BAM neural networks to be robustly asymptotically stable in the mean square. Unlike the most existing mean square stability conditions for BAM neural networks, the supplementary requirements that the time derivatives of time-varying delays must be smaller than 1 are released and the lower bounds of time varying delays are not restricted to be 0. Furthermore, in the proposed scheme, the stability conditions are delay-range-dependent and rate-dependent/independent. As a result, the new criteria are applicable to both fast and slow time-varying delays. Three numerical examples are given to illustrate the effectiveness of the proposed criteria.     

Passivity of memristor-based BAM neural networks with different memductance and uncertain delays

This paper addresses the passivity problem for a class of memristor-based bidirectional associate memory (BAM) neural networks with uncertain time-varying delays. In particular, the proposed memristive BAM neural networks is formulated with two different types of memductance functions. By constructing proper Lyapunov–Krasovskii functional and using differential inclusions theory, a new set of sufficient condition is obtained in terms of linear matrix inequalities which guarantee the passivity criteria for the considered neural networks. Finally, two numerical examples are given to illustrate the effectiveness of the proposed theoretical results.     

New criteria of almost periodic solution for bam neural networks with delays and impulsive effects

This paper presents some sufficient conditions for the existence and global exponential stability of the almost periodic solution for impulsive bi-directional associative memory neural networks with time-varying delays by using Lyapunov functional and Gronwall-Bellmans inequality technique. Comparing with known literatures, the results of this paper are new and they complement previously known results.     

具有时滞的双向联想记忆神经网络的全局渐近稳定性

双向联想记忆模型是两层异联想网络,本文讨论了具有轴突信号传输时滞的双向联想记忆神经网络的全局渐近稳定性,得出了保证神经网络平衡点稳定的几个充分条件,所得到的结论对于具有时滞的连续双向联想记忆神经网络的设计和应用都是很有意义的。     

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．     

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。     

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.