具常数时滞神经网络模型周期解的指数稳定性

通过构造Lyapunov—Krasovskii泛函,获得了时滞周期神经网络模型周期解指数稳定性的一个充分条件。     

一类具分布时滞神经网络周期解的存在性和稳定性

利用Halanay不等式、延拓定理、Cramer法则和一些分析技巧,获得了具分布时滞Cohen-Grossberg 神经网络周期解的存在性、唯一性和全局指数稳定性的充分条件,改进和推广了已有文献的一些相关结论.     

一类具分布时滞的Cohen-Grossberg神经网络周期解的存在性

本文通过利用延拓定理、Cramer法则和一些分析技巧,获得了具分布时滞Cohen-Grossberg神经网络周期解的存在性的充分条件,改进和推广了已有文献的一些相关结论。     

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.     

一类二元具时滞的神经网络的周期解

本文通过构造适当的Lyapunov泛函和一些分析技巧研究如下二元神经网络{dx/dt=-x(t)-atanh[y(t)-by(t-σ)] I1(t)dy/dt=-y(t)-atanh[x(t)-bx(t-τ)] I2(t)的周期解，获得了该网络存在唯一周期解的充分条件且证明了所有其它解都指数收敛于此周期解。     

具有分布时滞离散神经网络的周期解和指数稳定性

通过不等式技巧和矩阵分析方法,研究了一类离散的具有分布时滞的神经网络,获得了确保唯ω-周期解的存在和指数稳定性的充分条件,最后给出一个例子以说明结果的可行性.     

分布时滞模糊Hopfield神经网络周期解的指数稳定性

对一类具有分布时滞的Hopfield模糊神经网络模型,在假设激励函数是全局Lipschitz连续的条件下,应用Lyapunov稳定性理论等分析的方法,研究了此类模型周期解的存在性与指数稳定性,得到了唯一周期解存在与指数稳定的充分条件,并举实例说明它的有效性。     

具时滞的分路抑制神经网络的概周期解

采用与文献[5]完全不同的方法，研究了下列分路抑制神经网络(SICNNs)dxij/dt=-αijxy-ckl∑∈N1（i.j） Cij^klf(xkl(t-τ))xij Lij(t)的概周期解的存在性。     

具可变时滞的细胞神经网络的周期解

研究具可变时滞的细胞神经网络周期解的存在性和全局指数稳定性问题,巧妙地引入可调实参数di>0(i=1,2,…,n),并结合变量替换及一些分析技巧,给出一些新的充分准则.这些准则可用于设计全局指数稳定的和周期振荡的具可变时滞的神经网络,扩大了神经网络设计范围.     

四元中立型时滞神经网络模型周期解

研究一类四元中立型时滞神经网络模型。以模型神经之间的传输时滞为分岔参数,利用特征值法得到模型产生分岔周期解的充分条件。并利用中心流形定理和规范型理论推导出模型周期解稳定性和周期大小的计算公式。最后利用仿真示例验证了所得结果的正确性。     

二阶变时滞神经网络的概周期解存在性

利用不动点理论和微分不等式技巧研究了二阶变时滞神经网络的概周期解存在性。     

中立型Cohen—Grossberg神经网络概周期解的存在唯一性

通过建立线性辅助方程,利用指数二分性及不动点定理,得到了一类中立型Cohen-Grossberg神经网络概周期解的存在唯一性的充分条件．     

一类变时滞递归神经网络概周期解的存在性

利用拓扑度理论,不等式技巧及Liapunov泛函方法,给出了判别变时滞静态递归神经网络概周期解存在性的充分条件。     

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.     

脉冲时滞Cohen-Grossberg神经网络的全局指数稳定性

讨论了一类具有时滞的脉冲Cohen-Grossberg神经网络的全局指数稳定性．利用Lyapunov函数和不等式技巧得到了该系统全局指数稳定的一个充分条件,同时给出示例说明结果的有效性．     

具有混合时滞的脉冲模糊Cohen-Grossberg神经网络p-指数稳定性

研究了一类具有混合时滞和脉冲的模糊Cohen-G rossberg神经网络p-指数稳定性.利用M-锥理论和不等式分析技巧,获得了保证此神经网络零解p-指数稳定的一些新的充分条件,推广和改进了已有文献的相关结果.     

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.     

具时滞的分路抑制神经网络的概周期解(英文)

采用与文献[5]完全不同的方法,研究了下列分路抑制神经网络(SICNNs)dxijdt= αijxij ∑Ckl∈Nr(i,j)Cklijf(xkl(t τ))xij+Lij(t)的概周期解的存在性。     

一类非线性摆方程的伪概周期解

利用伪概周期函数的性质和Banach压缩映像原理研究了一类常见非线性摆方程的伪概周期解问题,证明了该伪概周期解的存在性及在‖u‖L∞<1中的唯一性。