一类二重Cohen—Grossberg神经网络的渐近稳定性.pdf

维普资讯 第 22卷 第 3期 徐州师范大学学报 (自然科学版) Vo1．22．NO．3 2004年 9月 J．ofXuzhouNormalUniv．(NaturalScienceEdition) Sep．．2004 一 类二重 Cohen—Grossberg神经 网络 的渐近稳定性 周 磊 ，吴炳华 ，周 明儒 (1．南通师范学院 数学系，江苏 南通 226007；2．徐州师范大学 数学系 ，江苏 徐州 221116； 3．徐州工程学院 基础部，江苏 徐州 221008) 摘要：研究了一类具有时滞的二重 Cohen—Grossberg神经网络模型，通过构造适 当的 Lyapunov泛 函。并利用矩阵不 等式的技巧给出了此类神经网络平衡点全局渐近稳定的充分条件 ，推广了已知文献的一些结果． 关键词 ：神经网络 ；时滞 ；矩阵不等式；全局渐近稳定性 中图分类号：O175；TP183 文献标识码 ：A 文章编号 ：1007—6573(2004)03—0004—06 神经网络模型近年来 已经被广泛研究 ，并在智能控制、联想记忆 、模式识别、图像处理、非线性优化 计算等多个领域得到应用．随着研究的不断深入 ，人们考虑的模型也越来越广泛 ，如考虑具有时滞的神 经网络模型，考虑具有扩散项的模型等L1]． 对于状态变量与激活函数以及激活函数的乘积相关的情形，也引起 了关注．文献[4]中考虑了形如 c； 一一 +∑Tf』(“(t--rJ))一∑∑Tf(“』(t-- ))^(“(t-r上))+J u i j= 1 J一 1t=1 的系统，并称之为 “高阶 (high-order)”Hopfield神经网络．为了避免与通常理解的微分方程的 “阶”相混 淆，我们称这类系统为 “多重”网络．本文将对二重 Cohen—Grossberg神经网络平衡点的渐近稳定性进行 研究 ． 通过构造适 当的 Lyapunov泛函，并利用矩阵不等式的技巧给出了此类神经网络平衡点全局渐近 稳定的几个充分条件．由于充分考虑 了权矩阵元素的符号，即注意到神经元的输 出对神经元产生抑制和 激活作用 ，所得 的理论结果更能如实地刻画神经 网络． 1 预备知识 设 c([一r，o]，R)表示[一r，o]到 R 的所有连续 向量函数的集合，简记为 c．V ∈C，定义 l一『 sup_l()l，则 (c，l1·l1)为 Banach空间．记初始时刻为仃，仃∈R，对V￡∈[仃，+∞)，记 五一五()一z(￡+ )，一r≤ O．算子 厂：n—R“连续，n是C 的开子集 ． 考虑滞量为常数的 自治泛函微分方程 ： dx 一 d￡ 厂(、Xt)． …(1) 方程(1)满足初始条件 z= ∈C的解称为过点 (口，)的一个解 ，记为 z(￡)三 (￡，口，)，因为当滞量为常数 时，(1)的平衡点的稳定性与初始时刻的选取无关 ，因此 ，以下仅考虑 仃=0的情形． 定义 1 设 为C 中的子集 ，若泛函 ：C—R在 的闭包 上连续且在 上 ≤O，则称 为 泛函．其 中 定义为 lim supV Xh(q)))-- V (qD