带区间时变时滞的BAM神经网络渐近稳定性.docVIP

带区间时变时滞的BAM神经网络渐近稳定性 　　摘要：针对一类具有区间时滞和随机干扰的BAM神经网络的全局渐近稳定性问题，通过构造合适的Lyapunov-Krasovskii泛函，应用随机分析和自由权值矩阵方法，并考虑时滞区间范围，得到了新的稳定性充分条件。该条件能够保证时滞BAM神经网络在均方意义下是全局渐近稳定的，同时适用于快时滞和慢时滞，其适用范围更广。最后，通过一个仿真实例证明了定理的有效性。 　　关键词：双向联想记忆神经网络；全局渐近稳定性；区间时滞；线性矩阵不等式 　　中图分类号：TP183 文献标识码：A 文章编号：1009-3044（2014）19-4544-06 　　1 概述 　　双向联想记忆神经网络（Bidirectional Associative Memory， BAM）已经成功应用于诸多领域，如模式识别、图像处理、自动控制、模型辨识和优化问题等。所有这些成功的应用都必须依赖于神经网络的稳定性。众所周知，许多实际系统的数学模型中均含有时滞的现象，在BAM神经网络中也不例外。例如，在模拟神经网络电路实现中，由于运放器的开关速度限制会产生时滞，神经网络中的轴突信号传输延迟也会产生时滞。这些都会导致不良的动态网络特性，即系统失稳、产生振荡甚至混沌，造成系统性能指标的下降。目前，时滞BAM神经网络的稳定性分析问题已经取得了大量的研究成果[1-7]，其