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。     

关于《一类具时滞的神经网络模型的收敛性》的注记

本文研究了一类具有时滞的神经网络模型     

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.     

具有时滞的Hopfield人工神经网络动力系统模型的全局渐近稳定性

Hopfield人工神经网络动力系统模型平衡点的全局渐近稳定性在网络记忆以及最优化等领域具有广泛的应用。本文中,作者研究了一类具有时滞的Hopfield人工神经网络动力系统,通过构造Liapunov泛函的方法,获得了其平衡点全局渐近稳定和局部渐近稳定的充分判定条件。所给出的判定条件只依赖于系统本身的拳数参数和传递函数以及系统中出现的部分时滞。同时,当系统的自身反馈项为负时,此自身反馈项对于系统的稳定性起到稳定化的作用。此外,数值模拟表明时滞的变化对于系统的稳定性具有重要的影响。可破坏系统的稳定性。进而产生周期振动或更为复杂的非线性现象。     

关于一类具有时滞的双向联想记忆神经网络的收敛性

研究了一类具有时滞的双层双向联想记忆模型的收敛性,给出了平衡点的存在性、唯一性、全局渐近稳定性的充分条件．     

一类时滞神经网络模型的稳定性与全局Hopf分支

研究了一类由两个神经元构成的时滞神经网络模型的稳定性和局部Hopf分支,并结合一般泛函微分方程的全局Hopf分支定理,利用度理论研究了全局Hopf分支的存在性．     

一类具有饱和发生率的SEIS模型的全局稳定性

建立并分析了一类具有饱和发生率、在潜伏期具有传染性的SEIS模型.得到了模型的基本再生数R_0和无病平衡点与地方病平衡点全局渐近稳定的充分条件.     

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.     

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．     

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。     

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.