一类混合时滞的非线性耦合神经网络的同步

主要讨论了一类混合时滞的非线性耦合神经网络的同步问题.同时,考虑随机扰动以及参数的切换由某个马尔可夫链所确定等方面对其的影响.文中通过构造新的Lyapunov-Krasovskii泛函,运用线性矩阵不等式（LMI）技术并结合Kronecker积来获得神经网络全局同步的充分性判据.由于这样得到的判据是LMI形式,因此可以由数学软件Matlab的LMI Toolbox对所获得的判据进行有效的验证和求解.此外,本文中我们对细胞激活函数做了更为一般的假设,从而使结论在LMI下可以减少保守性.     

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．     

Hindmarsh-Rose 神经网络的混沌同步

研究了通过特殊构造的非线性函数耦合连接的神经网络的混沌同步问题。在发展基于稳定性准则的混沌同步方法的基础上,给出了计算同步稳定性的误差发展方程,当耦合强度取参考值时,可实现稳定的混沌同步而不需要计算最大条件Lyapunov指数去判定是否稳定。通过对按照完全连接形式构成的Hindmarsh-Rose神经网络的数值模拟,显示可仅从两个耦合神经的耦合强度的稳定性范围预期到许多耦合神经实现同步的稳定性范围。该方法在噪声影响下,对实现神经元的混沌同步仍具有较强的鲁棒性。此外发现随着耦合神经数的增加,满足同步稳定性的耦合强度减小,与耦合神经的数量成反比。     

基于LMI方法的多时滞中立型随机神经网络的ψ~γ稳定性

研究了一类具有多个时滞的中立型随机神经网络的均方φ~γ稳定性问题,应用Lyapunov-Krasovskii泛函稳定性理论和线性矩阵不等式(LMI)方法,建立了系统解的均方φ~γ稳定性判别准则.     

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。     

时滞援助的两抑制性突触耦合的Chay 神经元的同步

一对抑制性突触耦合的混沌Chay神经元的同步模式被研究。结果表明当耦合强度超过临界值时,两抑制耦合的混沌Chay神经元能达到反相的同步。与此同时,两混沌的神经元变为周期而不是原来的混沌运动。然而,如果考虑耦合神经元信息的传导时滞,在有效的时滞下,两个耦合神经元的在相簇同步能增加。在相簇同步窗口的大小随着耦合强度的增加而增加。此结果对于我们理解神经元集群的运动是一个指导。     

一类具有漏泄时滞的混沌神经网络的反同步

利用矩阵测度方法和微分不等式技巧,研究了一类具有漏泄时滞的混沌神经网络的反同步问题.数值模拟验证了理论分析的正确性.     

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.     

一类Hopfield型时滞神经网络模型的全局渐近稳定性

用拓扑度和Lyapunov泛函方法，讨论了一类具有时滞的Hopfield神经网络平衡点的存在性及其全局渐近稳定性．所获得的若干判别条件，都去掉了有关文献中关于激活函数的可微性和有界性限制，增强了模型的适用性．     

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。     

变时延神经网络的全局指数稳定性及收敛性

利用Lyapunov泛函方法和线性矩阵不等式（LMI）技术,通过引入一系列参数,给出全局指数稳定的平衡点的判别条件和时延的最大上界和神经网络的收敛速度,所得结果较之一些文献中的结果简单、实用并且对于具体设计带时延神经网络有重要的指导意义.最后,通过实例表明给出的判定条件是有效、可行的.     

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.     

一类具扩散和时滞Belousov-Zhabotinskii系统的行波解

研究一般的带时滞的反应扩散方程组的行波解,这儿反应项具混拟单调性质,我们定义了相应的行波解的耦合上下解,以耦合上下解为初始迭代函数构造了耦合迭代序列,并且证明了在一定的单调性条件下该耦合序列收敛于行波解.以一个具体的带时滞的Belousov-Zhabotinskii模型为例,建立了有序的拟上解和拟下解并且得到行波解的存在性.     

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.     

一类具有时滞的神经网络模型的收敛性

运用Lyapunov泛函方法,讨论一类具有时滞的神经网络模型平衡点的全局渐近稳定性,并获得一个新的充分条件．     

一类分数阶神经网络的稳定性（英文）

本文构造Lyapunov函数研究了一类分数阶神经网络的稳定性,建立了LMI形式的充分条件.仿真实例验证了结论的有效性.     

带时间延迟的Cohen-Grossberg神经网络全局鲁棒稳定性的一个结果（英文）

在本文中,我们讨论了一类带时间延迟的Cohen-Grossberg神经网络,并研究了这个系统平衡点的全局鲁棒稳定性。利用Lyapunov函数,我们得出了全局鲁棒收敛性的几个充分条件。这些条件以线性矩阵不等式（LMI）的形式表达。因此,从计算的角度出发他们是高效的。另外,这些条件不依赖于时间延迟和神经网络的激发函数。     

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.     

动态神经网络中的同步振荡

目前有一种假设认为同一视觉对象是由一群神经元的同步振荡活动来表征的。这一神经元发放活动的时间特性,是解决视觉信息处理中“结合问题（Ｂｉｎｄｉｎｇｐｒｏｂｌｅｍ）”的可能机制。本文用我们所提出的一种简化现实性神经网络模型［１］所构造的时滞非线性振子网络［２］,模拟生物神经网络的同步振荡活动。并考虑了振子各参数的设置与振荡活动的关系,以及网络振子间耦联对同步活动的影响．     

甘草细胞放大培养中搅拌式反应器操作策略优化

为获得甘草细胞在反应器中放大培养的最佳条件,在建立稳定的甘草细胞搅拌式生物反应器放大培养体系的基础上,分别以单因素和正交实验获得的数据为样本,以细胞净增长生物量为考察指标,运用BP神经网络耦合遗传算法对反应器操作策略进行优化。结果表明,接种量6.4%、摇床转速89r/min、通气速率0.1vvm是甘草细胞进行反应器培养的最优条件;与传统的正交实验方法相比,这种基于神经网络耦合遗传算法的优化方法使反应器中细胞生物量的积累提高了6.9%。