时标上的连接项中带变时滞的中立型SICNN型神经网络模型的周期解

时标上的连接项中带变时滞的中立型SICNN型神经网络模型的周期解

ID:36751530

大小:756.28 KB

页数:29页

时间:2019-05-14

时标上的连接项中带变时滞的中立型SICNN型神经网络模型的周期解_第1页
时标上的连接项中带变时滞的中立型SICNN型神经网络模型的周期解_第2页
时标上的连接项中带变时滞的中立型SICNN型神经网络模型的周期解_第3页
时标上的连接项中带变时滞的中立型SICNN型神经网络模型的周期解_第4页
时标上的连接项中带变时滞的中立型SICNN型神经网络模型的周期解_第5页
资源描述:

《时标上的连接项中带变时滞的中立型SICNN型神经网络模型的周期解》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、独创性声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外,论文中不包含其他人或集体已经发表或撰写过的研究成果,对本文的研究做出贡献的集体和个人均已在论文中作了明确的说明并表示了谢意。研究生签名:至盔日期:巡红鱼塑望论文使用和授权说明本人完全了解云南大学有关保留、使用学位论文的规定,即:学校有权保留并向国家有关部门或机构送交学位论文和论文电子版;允许论文被查阅或借阅;学校可以公布论文的全部或部分内容,可以采用影印、缩印或其他复制手段保存论文。(保密的论文在解密后

2、应遵循此规定)研究生签名:至盘导师签名:日期:型细丝望本人及导师同意将学位论文提交至清华大学“中国学术期刊(光盘版)电子杂志社”进行电子和网络出版,并编入CNK[系列数据库,传播本学位论文的全部或部分内容,同意按《中国优秀博硕士学位论文全文数据库出版章程》规定享受相关权益。研究生签名:——导师签名:——日期:摘要本文,提出了一类连接项中带变时滞的中立型SICNN型神经网络模型,根据时标上的线性动力系统的指数二分法,不动点定理及时标上的微积分理论,获得了这类神经网络周期解的存在性和全局指数稳定性。本文的结果即使当时标.Ⅱ

3、'=R和T=Z时,也是全新的,并且是对已知结果的补充。最后,我们给出了数值例子验证了结果的有效性。关键词:周期解;SICNN神经网络;全局指数稳定;连接项中的变时滞;时标AbstractInthispaper,aclassofshuntinginhibitorycellularneuralnetworksofneutraltypewithtime—varyingdelaysintheleakagetermontimescalesisproposed.Basedontheexponentialdichotomyoflin

4、eardynamicequationsontimescales,fixedpointtheoremsandcalculousontimescalesweobtainsomesufficientconditionsfortheexistenceandglobalexponentialstabilityofperiodicsolutionsforthatclassneuralnetworks.TheresultsofthispaperarecompletelynewandcomplementarytOtheprevious

5、lyknownresultsevenifthetimescaleT=RorZ.Moreover.wepresentillustrativenumericalexamplestOshowthefeasibilityofourresults.KeyWords:Periodicsolution;ShuntinginhibitOrycellularneuralnetworksofneutraltype;Globalexponentialstability;Time·varyingdelaysintheleakageterm;T

6、imeSCales一Ⅱ一目录摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.IAbstract⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯II目录⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.IⅡ时标上的连接项中带变时滞的中立型SICNN型神经网络模型的周期解⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.11.2预备知识⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯31.3周期解的存在性⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.61.4周期解的指数稳定性⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯111.5应用举例⋯⋯⋯⋯

7、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯18参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..22致谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.25时标上的连接项中带变时滞的中立型SICNN型神经网络模型的周期解1.1引言众所周知,SICNN型神经网络模型在实际领域被广泛的应用,如,心理物理学,语音辨识,机器人,模式识别,图像处理等方面。因此,许多作者对这一模型进行了大量的分析研究,特别的,很多作者讨论了SICNN神经网络模型的周期解和概周期解的存在性和稳定性。其中,文献【l,2,3】中,作者讨论了SICNN系统

8、概周期解的存在性和稳定性,而在【4,5】中,这些作者主要研究的是SICNN系统周期解的存在性和稳定性,[5]的作者应用了重合度定理的延拓定理和构建Lyapunov函数的方法来研究SICNN系统的周期解,在文献【6,7]qu,作者通过一些假设条件得到了平衡点的存在性和稳定性。近年来,另一种类型的时滞即中立型时滞得到了广大学者的关注和

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。