应用不动点理论研究了如下的具有变时滞的细胞神经网络模型dxi(t)/dt=-ai(t)xi(t)+sum from j=1 to n[bij(t)fj(xj(t))+cij(t)fj(xj(xj(t-τj(t)))]+Ii(t) t≥0,i=1,2,…,n,其中xi(t)(i=1,2,…,n)是神经细胞的状态;n是细胞的数量;B(t)=(...
详细信息
应用不动点理论研究了如下的具有变时滞的细胞神经网络模型dxi(t)/dt=-ai(t)xi(t)+sum from j=1 to n[bij(t)fj(xj(t))+cij(t)fj(xj(xj(t-τj(t)))]+Ii(t) t≥0,i=1,2,…,n,其中xi(t)(i=1,2,…,n)是神经细胞的状态;n是细胞的数量;B(t)=(bij(t))n×n和C=(cij(t))n×n连续的矩阵函数,I(t)=(I1(t),I2(t),…,In(t))T是连续的概周期函数,f(x)=(f1(x1),f2(x2),…,fn(xn))T是细胞活动函数,A(t)=diag(a1(t),a2(t),…,an(t)),并且ai(t)>0,(i=1,2,…,n),时滞0≤τi(t)≤τ(i=1,2,…,n)是有界函数,得出了其概周期解得存在性和全局指数稳定性的充分条件。
本文讨论了如下几类细胞神经网络的稳定性: dxi（t）/（dt）=sum from j=1 to n [aijf(xj（t）)+bijf(xj(t-Tij（t）))]-xi（t）+Ii,t≥0,i=1,…,n,（1） xi（n+1）=ai(xi（n）)+sum from j=1 to m wijgj(xj（n）)+sum from j=1 t...
详细信息
本文讨论了如下几类细胞神经网络的稳定性:
dxi（t）/（dt）=sum from j=1 to n [aijf(xj（t）)+bijf(xj(t-Tij（t）))]-xi（t）+Ii,t≥0,i=1,…,n,（1）
xi（n+1）=ai(xi（n）)+sum from j=1 to m wijgj(xj（n）)+sum from j=1 to m bijfj(sum from p=1 to rij kij（p）xj（n-p）)i=1,…,m,（2）
xi（n+1）=（1-aih）xi（n）+sum from j=1 to m hbijfj(xj（n）)+sum from j=1 to m hcijfj(xj(n-kij)+hIii=1,…,m,（3）
xi（n+1）=e-aihxi（n）+φi（h）{sum from j=1 to m bijfj(xj（n）)+sum from j=1 to m cijfj(xj(n-kij)+Ii}i=1,…,m.（4）
本文获得了一系列新的结果,其中部分结果改进或推广了已有文献中相关结论。具体地说:
第一章介绍了问题研究的背景及研究进展状况。
第二章给出了变时滞细胞神经网络（1）存在唯一平衡点且全局渐近稳定的一个新充分条件。该条件依赖反馈矩阵但不依赖于时滞参数,而且此条件改进了文献中相关结论。
第三章研究了具分布时滞的离散时间神经网络的全局指数稳定性问题,通过利用Lyapunov泛函法,得到了判断离散时间神经网络（2）全局指数稳定的一个新充分条件。
第四章给出了具离散时滞的离散时间神经网络存在唯一平衡点且全局指数稳定的一个新充分条件。通过利用不等式pap-1b≤（p-1）ap+bp（p表示一个正整数,a,b表示非负实数）和构造适当的Lyapunov泛函,我们分别得到了系统（3）和（4）存在唯一平衡点且全局指数稳定的不依赖于时滞参数而且容易验证的新充分条件。
暂无评论