带有时滞和脉冲扰动的hopfield神经网络的稳定性质.docVIP

带有时滞和脉冲扰动的Hopfield神经网络的稳定性质 摘要 本文考虑的是带有时滞脉冲扰动的Hopfield神经网络的平衡点的一致渐近稳定性、全局渐近稳定性和全局指数稳定性。用Lyapunov函数方法和LMI技术可得到关于此系统稳定性的一些新法则。结论与时滞和扰动的大小有关。本文结果比已有文献的结果条件要弱。最后给出两个数值例子说明此结果的有效性。 关键词 Hopfield神经网络；一致渐近稳定；全局渐近稳定；全局指数稳定；时滞；脉冲扰动 引言 Hopfield神经网络(HNN)被认为是信息处理系统的候补者，已经成功应用于联想记忆、模式识别、自动控制、模型分析、优化问题等领域[1-21]。因而，HNN的稳定性的研究引起了很多学者的关注。时滞Hopfield神经网络已经广泛地被研究很多年了，通过各种不同的方法也得到了关于此类型神经网络平衡点的稳定性的各种充分条件。在[1]，Liu用固定点定理和微分不等式技巧得到了带有连续分布时滞的HNN的殆周期解的存在性和指数稳定性的充分条件。在[4]，Zhang运用Lyapunov函数方法和LMI技术得到了关于时滞HNN的全局渐近稳定性的一些结果。 另一方面，脉冲扰动可使得不稳定的系统变得稳定，使稳定的系统变得不稳定（见[22-30]），因而它被广泛的应用在许多领域，如人口动力学、化学、工业机器人学、生物学等领域。HNN的目标是瞬间扰动系统或使系统状态突变，也就是呈现出脉冲效应 [6,7,9,19] 。此种系统不能用单纯的连续HNN或离散HNN模型很好的描述出来。最近，通过不同的方法得到了脉冲时滞HNN模型的稳定性的一些结果。例如，Zhang[12]用Lyapunov函数方法和分析技巧得到了关于脉冲时滞HNN系统的平衡点的一致稳定性的一个结果。然而，[12]的结果仅仅只涉及到一致稳定。因而，时滞和脉冲的效应被忽略。事实上，时滞和脉冲可导致系统稳定性的很多性质。在[14]中，Long用Lyapunov-Krasovskii泛函方法和负定矩阵的性质和柯西准则得到了关于具有脉冲效应的时滞HNN系统的全局指数稳定性和全局渐近稳定性的充分条件。然而，在[14]中，时滞和脉冲的条件具有很大的限制性和保守性，因而还存在很大的改进空间。 在本文，我们考虑一类带有时滞和脉冲扰动的HNN模型。通过Lyapunov函数方法和LMI技术得到了关于此系统平衡点的一致渐近稳定性、全局渐近稳定性和全局指数稳定性的一些新的充分条件。解的脉冲效应和时滞效应在本文得到了充分的体现。全局指数稳定性的条件比一些已有的结论更加简单，约束性较小。最后，给出两个例子来说明所得结果的优点所在。 2 预备知识 令代表实数集，代表非负实数集，代表正整数集，代表具有欧几里得范数的维实空间。 考虑下面带有脉冲的时滞HNN模型： (2.1) 其中，,对应于神经网络中的实数单元，脉冲时间满足：,;表示单元在时刻的膜电位；为正常数；,分别表示单元在时刻和的输入位势的驱动或相应度量；常数表示单元和单元在时刻的突触连接权值；常数表示单元和单元在时刻的突触连接权值；表示单元的输入；是传输时滞且,,,,均为常数。 系统(2.1)的初始条件如下： ， (2.2) 其中,, 除了在点外是处处连续的，和均存在且. 由于，则的范数为. 对任意的,有. 本文中我们假设系统(2.1)在满足某些条件的基础上它的平衡点存在(见[4,5]).假设是系统(2.1)的平衡点。脉冲算子被看做是在系统的平衡点在没有脉冲效应的基础上的扰动。 设,,,. 由于是系统(2.1)的一个平衡点，作变换,,则系统变为： (2.3) 其中,. 要证明系统(2.1)平衡点的稳定性，也就是要证明系统(2.3)零解的稳定性。下文中记号和表示矩阵的转置和逆。表示矩阵是正定（负定，正半定，负半定）矩阵。和分别表示矩阵的最大特征值和最小特征值。令 ,; 则带有初始条件的系统(2.3)变为： (2.4) 其中. 本文假设存在常数,使得. 有定义如下： 定义2.1([24]) 假设是系统(2.4)的解。则(2.4)的零解： () 稳定，如果对任意的,存在使得，； () 一致稳定，如果()中的与无关； () 一致吸引，如果对任意存在使得对有,； () 一致渐近稳定，如果()和()均成立； () 全局渐近稳定，如果()成立且对任意的初始值当； () 全局指数稳定，如果存在常数使得对任意初始值，有 . 本文有引理如下： 引理2.1([13]) 对任意向量，有不等式成立，其中是矩阵且. 引理2.2([31]) ，则对任意有，其中是对称矩阵。 主要结果 可得