一类脉冲神经网络的全局指数周期解

利用Lyapunov函数并结合不等式的技巧,给出了一些充分判据来确保一类脉冲神经网络系统具有全局指数稳定性的周期解.给出的充分判据仅仅要求激励函数是李普希兹连续的,而对它的有界性、单调性及可微性都不再要求.这些充分判据在实际应用中非常容易验证,也可利用这些判据来设计全局指数周期的脉冲神经网络.     

时滞Hopfield神经网络模型的稳定性分析

研究时滞Hopfield神经网络模型,平衡点的全局渐近稳定性与全局指数稳定性,通过使用不等式分析技巧和微分方程性质,得到这类模型稳定性的易于验证的时滞无关充分条件。     

具时变时滞模糊BAM神经网络周期解的稳定性

本文利用Lyapunov泛函及不等式(2ab≤ra2+1/rb2,r>0)导出了判定模糊BAM(bi-directional associa-tive memory)神经网络周期解的存在性与稳定性的一些充分条件,得到了其周期解全局指数稳定性的一些新的简单判据.     

时滞Hopfield神经网络模型的渐近性态分析

对具有时滞的Hopfield神经网络模型，在非线性神经元激励函数满足Lipcshitz连续的条件下，借助于Lia-punov第二方法，给出了这类模型渐近性态易于验证的充分条件。     

区间时变细胞神经网络周期解的鲁棒指数稳定性

本文研究一类区间时变扰动神经网络系统周期解的鲁棒指数稳定性.获得了一系列关于鲁棒指数稳定性的判据.     

具有时滞的二阶Hopfield神经网络的全局动力性

通过正不变集、吸引集与系统稳定性的关系,并利用非负矩阵的性质和微分不等式的技巧,对具有时滞的二阶Hopfield神经网络全局动力性进行研究.得到了易于验证的关于平衡点一致稳定和全局渐近稳定的充分条件.     

具分布时滞SICNN_s周期解的存在性(英文)

利用重合度理论和微分不等式技巧,研究了具分布时滞和变系数SICNNs周期解的存在性,获得了一些新的充分准则.本文结果补充已有文献的结论.     

具分布时滞SICNNs周期解的存在性

利用重合度理论和微分不等式技巧,研究了具分布时滞和变系数SICNN,周期解的存在性,获得了一些新的充分准则．本文结果补充已有文献的结论．     

具分布时滞和变系数的细胞神经网络概周期解的存在性

利用Tychonov不动点定理,研究一类具分布时滞和变系数的细胞神经网络的概周期解的存在性,得到了一个全新的结果.它与文献[8]的结果是互不包含的.     

混合时滞区间神经网络鲁棒指数稳定性

讨论了混合时滞区间神经网络的全局鲁棒指数稳定性．利用拓扑度理论和不等式技巧给出了一个混合时滞区间神经网络平衡点的存在唯一性以及全局鲁棒指数稳定性的条件。     

一类时滞神经网络的全局鲁棒稳定性分析

利用矩阵Schur补的有关知识,通过构建李雅普诺夫函数,研究了一类时滞神经网络的平衡点的全局稳定性,得到了该类神经网络在平衡点全局鲁棒稳定的充分判据.     

Global exponential stability of cellular neural networks with time delays

By using the properties of nonnegative matrices and techniques of differential inequalities, some sufficient conditions for the global exponential stability of cellular neural networks with time delays were obtained. The criteria do not require such conditions as boundedness and differentiability of activation functions. The conditions of the theorem were verified.     

Stability Analysis of Cohen-Grossberg Neural Networks with Time-Varying Delays

In recent years, Cohen-Grossberg neural net-works (CGNNs) have received increasing interest dueto its promising potential for applications in classifica-tion, parallel computing, associative memory and es-pecially in solving some optimization problems. Wh…     

变时滞模糊BAM神经网络的全局指数稳定性

本文讨论了一类具有变时滞模糊FBAM（fuzzybi—directional associate memory）神经网络平衡点的存在性和全局指数稳定性,利用不动点定理及Halanay型不等式获得了平衡点存在唯一性及全局指数稳定性的充分条件,所得结论容易验证．最后举例说明所得结果的可行性。     

无穷区间上S分布时滞静态递归神经网络模型的全局周期吸引子

研究了无穷区间上S分布时滞静态递归神经网络模型的全局吸引子,并给出了有实用性的判据和实例.     

Global exponential stability of Cohen-Grossberg neural networks with time-varying delays and impulses

In this paper, the Cohen-Grossberg neural networks with time-varying delays and impulses are considered. New sufficient conditions for the existence and global exponential stability of a unique equilibrium point are established by using the fixed point theorem and Lyapunov functional. An example is given to demonstrate the effectiveness of our results.     

一类竞争神经网络的全局指数稳定性分析

主要考察了一类动态系统——带有不同时间尺度竞争神经网络的全局指数稳定性问题。通过对此类神经网络模型的建立及分析,应用M矩阵理论和Lyapunov函数法,确定了带有不同时间尺度的竞争神经网络的平衡点的存在性和唯一性,并给出了此类神经网络全局指数稳定的判据。     

广义动态神经网络的绝对指数稳定性

本研究了一类具偏李普希兹连续和单调增加激活函数的神经网络绝对指数稳定性问题。所得结果归结为如果联接矩阵T的负矩阵是一个非负对角元的H矩阵，那么在任意输入向量和网络参数的条件下，所选激活函数只要是偏李普希兹连续且单调增加的，广义动态神经网络绝对指数稳定。该广义动态神经网络包含常用的Hopfield神经网络，双向联想记忆神经网络和细胞神经网络作为其特殊情形，所得结论推广了现有献中的有关结论。     

一类脉冲Cohen-Grossberg神经网络P阶矩指数稳定

考虑一类时滞脉冲随机Cohen—Grossberg神经网络p阶矩指数稳定。通过构造适当的Lyapunov＂,~,利用Halanay~Hardy不等式,建立了一类时滞脉冲随机Cohen．Grossberg神经网络P阶矩指数稳定的判据。该判据改进和推广了先前文献的一些结果。     

Exponential synchronization of general chaotic delayed neural networks via hybrid feedback

This paper investigates the exponential synchronization problem of some chaotic delayed neural networks based on the proposed general neural network model, which is the interconnection of a linear delayed dynamic system and a bounded static nonlinear operator, and covers several well-known neural networks, such as Hopfield neural networks, cellular neural networks （CNNs）, bidirectional associative memory （BAM） networks, recurrent multilayer perceptrons （RMLPs）. By virtue of Lyapunov- Krasovskii stability theory and linear matrix inequality （LMI） technique, some exponential synchronization criteria are derived. Using the drive-response concept, hybrid feedback controllers are designed to synchronize two identical chaotic neural networks based on those synchronization criteria. Finally, detailed comparisons with existing results are made and numerical simulations are carried out to demonstrate the effectiveness of the established synchronization laws.