分数阶时滞神经网络渐近稳定与同步分析

针对带分布时滞的分数阶神经网络模型解的存在唯一性、渐近稳定性以及同步问题,首先利用Banach压缩映像原理,证明该系统平衡点的存在唯一性。然后通过构造恰当的Lyapunov泛函,得到该系统渐近稳定的充分条件。通过设计一个自适应控制器,得到该系统渐近同步的判定依据。最后利用数值仿真,验证所得结果的有效性与可行性。     

多时滞Cohen-Grossberg神经网络的全局渐近稳定性分析(英文)

研究多时滞Cohen-Grossberg神经网络的全局渐近稳定性,利用新的不等式技术,同伦映射及李雅普诺夫泛函方法,我们获得了几个新的准则.同已有的结果相比,我们不要求函数有界,可微或严格增加等条件.我们的结果更容易验证且具有较少的限制.此外,给出了一个例子来证明我们的结果的优势.     

一类具有时滞的Cohen-Grossberg神经网络的稳定性

文章考查一类具有时滞的Cohen-Grossberg神经网络的动力学性质,给出具有时滞的Cohen-Grossberg神经网络的全局渐近稳定性的判据.     

一类具有变时滞的神经网络模型的渐近性态分析

本文研究具有变时滞的神经网络模型。通过构造泛函。运用Halanay一维时滞微分不等式。给出了这类模型全局吸引性的充分条件。在实际应用中。设计验证所需条件是很方便的。无须知道时滞的具体形式。具有重要的理论意义和应用价值。     

一类二元时滞神经网络模型同步解的周期性

本文对一类二元时滞神经网络模型的同步解进行定性研究,主要是针对网络参数的不同取值,分步地求解一个在一定初始函数空间中给定初始值的泛函微分方程,再讨论模型同步解的周期性。分析表明网络参数在神经网络模型研究中具有极其重要的作用。     

具有多时滞的离散Hopfield网络的收敛性分析

研究了一类具有多重时滞的离散Hopfield网络的收敛性定理,证明了如何把一个具有多重时滞的神经网络转化为一个新的具有单一时滞的网络.基于串行演化模式演化规则,给出了具有多重时滞的离散Hopfield网络的收敛性条件.     

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。     

一类具有时滞和脉冲的中立型神经网络的全局p-指数同步

研究了一类具有时滞和脉冲的中立型神经网络指数同步问题.通过利用一个奇异时滞微分不等式和M-锥理论,获得了保证其误差系统全局p-指数同步的充分条件,同时也给出了同步指数收敛速率的估计.     

一类具有时滞的抛物系统解的渐近行为

本文对一类含有时滞的势物偏泛函微分方程的渐近行为进行了讨论，分别就两种不同的边界条件，采用Liapunov泛函及Lp-估计，获得了其解全局稳定、振动的若干简洁充分条件。     

一类有限时滞泛函微分方程解的一致渐近稳定性

本文对有限时滞泛函微分方程x'(t)=f(t,xt),在f满足Lipschitz连续的条件下进行研究,获得了这类微分方程解的一致渐近稳定性的易于验证的充要条件.     

对一类时变时滞递归神经网络的全局渐进稳定性充分性条件的研究

该文研究了一类带时变时滞的递归神经网络的全局渐进稳定性,利用Lyapunov函数和线性矩阵不等式方法,得到了系统平衡点全局渐进稳定的充分条件.     

含有脉冲控制的耦合神经网络的同步分析

本章介绍了一类含有脉冲控制的耦合神经网络模型的同步分析问题;根据脉冲控制理论及李雅普诺夫稳定性理论,设计合适的脉冲控制器,得出这类耦合神经网络指数同步的充分条件。     

基于随机小波神经网络的一类随机过程的逼近

在小波神经网络基础上提出了随机小波神经网络，给出了随机小波神经网络逼近一类随机过程的收敛性的证明。并在此基础上对随机小波神经网络的拓扑结构，学习机理进行了研究，提出了一系列成果。从本质上 ，随机小波神经网络是小波神经网络的推广。     

一般Hopfield神经网络的大范围渐近稳定性及其收敛速率

本文使用最速下降法研究-靓Hopfield神经网络的大范围渐近稳定性,给出了收敛速率,并将结果应用于一个非线性规划问题。     

利用Hopfield神经网络实现自适应滤波器

针对两种不同结构的Hopfield神经网络,本文提出分别适当选取该神经网络的连接权值来实现LMS自适应滤波和自适应格型滤波的方法。并分析了实现自适应滤波的HOP-field神经网络的稳定性及其滤波性能.     

一类具时变时滞神经网络的分散线性反馈同步

本文对一类带变时滞的神经网络的同步问题进行了研究。利用李雅普洛夫稳定性理论,设计出一个新的分散线性控制器,该控制器与时滞无关。在该控制器的作用下,可实现系统间的指数同步。该控制器更易于设计。仿真实例说明所提方案的有效性。     

Adaptive Control of Flexible Redundant Manipulators Using Neural Networks

Nowadays, the operation tasks and environmentof robotic manipulators have become more and moresophisticated, which requires that robotic manipula-tors possess more and more degrees of freedom(DOF) to offer greater dexterity and versatility. Thekinematic redundancy occurs when the DOF of a ma-nipulator is more than the minimum numberdemanded for executing a given task. The operationalperformance of manipulators may be greatly enhancedby utilizing the kinematic redundancy such as singu-larity …     

自适应离散分数阶渐进正则化方法

采用有效的自适应投影离散方法,用于求解第一类算子方程.该方法将分数阶渐近正则化与自适应投影方法相结合,与标准投影方法相比,所需的离散信息少得多,得到了近似解的最优收敛率.     

离散时间的混合时滞耦合神经网络的鲁棒指数同步

讨论了一类离散时间的时滞耦合神经网络的同步问题.在参教不确定的离散时间耦合神经网络中,考虑了变时滞和有限分布时滞.同时,细胞激活函数假设为较Lipschitz奈件更为一般的扇形非线性函数,该函数可以既不可微又不严格单调.通过构造Lyapunov-Krasovskii泛函,运用线性矩阵不等式(LMI)技术,并结合Kronecker积来获得耦合神经网络鲁棒全局指数同步的充分性判据,并且所获得的判据依赖于时滞.最后,对一个实例进行仿真,说明结论的有效性.