时滞神经网络的全局稳定性分析

《时滞神经网络的全局稳定性分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要题目：时滞神经网络的全局稳定性分析硕士研究生姓名：陈君导师姓名：崔宝同教授专业：控制理论与控制工程本文利用Jacobsthal不等式、LyapuIlov稳定性定理、脉冲微分方程等技巧，讨论了时滞BAM神经网络，时滞Hopfield神经网络，时滞竞争神经网络的全局渐近稳定性，全局指数稳定性，概周期收敛等问题，所得的判据推广和改进了前人的结果．本文主要研究工作有：1．利用LyapuIlov泛函和Jacobstllal不等式等新技巧，研究了具有时滞的带脉冲的BAM型神经网络，带脉冲的Hopfield时滞神经网络，时滞竞争神经网络的全局渐近稳定性，全局指数稳定性等问题，得到了几个关于全

2、局稳定时滞无关的充分性条件，推广了前人文献的结果，所得判据具有更广泛的应用意义．2．在充分考虑了竞争神经网络激励函数特征的前提下，利用Lyapunov稳定性定理，线性矩阵不等式等方法，研究了竞争神经网络的全局指数稳定性问题，获得了具有变时滞竞争神经网络的存在性，唯一性及其全局指数稳定性的新定理，给出了较弱的并且不依赖于时滞的判别条件．并给出仿真数值实例证明所得结论的有效性．3．利用C№肿嘲1．BellInans不等式、Lyapmlov泛函等方法，研究了关于带脉冲的BAM神经网络的概周期解的全局指数稳定性．进一步给出了条件要求更弱的脉冲BAM神经网络的概周期解的平衡点的存在唯一性以及

3、全局指数稳定性的收敛性判据．关键词：神经网络；变时滞；全局渐近稳定性；全局指数稳定性Abs仃actAbstractThisp印eraddressesthes讪ili锣ofthenellralne“№r_kSsystemsW毗l血ne-varyingdelays．Bycons讹ctingproperLyapllllov如1ctionsanduSingt11e1inerinequal毋，severalsumciemconditionsforglobalIy嬲”nptoticStabilit)，and酉oballyexponentials讪ili够ofneuralnetworks谢mti

4、me-VaryingdelaysareoMned，andme嘶terioni11“spaperhaveiIlll)r0VedanddeVelopedtllepreviouSlmownresultsiIlsomeliteratures．Wegeneralizethecontem嬲followillg：‘(i)ByusingthemettlodoftheproperLy印呲10Vf_眦lctioIlsandJacobs．c112Llinequali锣，westudy缸le910bally弱ynlptoticstabil时a11dgloballyexponential嘲bilityofb

5、idirectioIlalassociativememo巧neuraln酶ⅣofI(S，H0pfieldneural咖fl【sandcompetitivenellral鹏t、vorks谢thtimedelays．MoreoVer，thesuf3ficient嘶teriao№liIledhere眦c伽叩mation面1ymorenexiblealldmoreemciemthaIlmanyomerexistingcriteria．(ii)BasedontlleproperLy印un0V胁ctions锄dt11einequal时techmcal，somesumcientcondition

6、sarepresentedinthispaperforglob2lleXponential鼬il姆ofdelayconlpetitiVe饿Illralnetwor：kS诵thdi丘lerem矗mesca】es．AnditisshowntllatmenewresmtSiIllposewe幽erconditionsfor龇eXponentiallystabil咄FiIlally，a11ex锄叩le谢廿1itssimul“onisproVidedt0demons仃ate也euSemlIlessoft_heproposedcriteria．(iii)111ispaperpresentsSo

7、mesu伍cientconditionsfort11eeXistencea11d910b2L1eXponential鼬abilityofnleahnostperiodics01utionforiInpulsiVebi-directionalaSsociatiVememo巧neuralnet、№fI【s谢mtinlc—va巧i芏lgdelaysbyuSingLyapun0Vmnctionaland觚nv嘲l-Bellm觚sinequal毋techIliqlle．Comp