两类延时神经网络的稳定性研讨.pdfVIP

摘 要 一些已知的定理和构造适当的Lyapunov函数，我们讨论了延时与无延时CGNNs模型平衡 点的全局指数稳定性、绝对指数稳定性，及周期解的存在唯一性和全局指数稳定性。同时， 也研究了具有分布延时双向联想记忆(BAM)神经网络平衡点的绝对指数稳定性． 在第一章第一节中，研究了一类离散Cohen—Grossberg神经网络模型，且获得了保证延 时和无延时的离散CGNNs系统平衡点指数稳定的充分条件。我们没有假设联接权矩阵的对 称性和激活函数的单凋性与可微性．而且，所讨论的离散CGNNs系统保持了连续CGNNs 系统的收敛性；在第二节中，利用Mawhin拓扑度的连续定理及Lyapnnov方法，讨论了 CGNNs神经网络周期解的存在唯一性和全局指数稳定性，证明了延时CGNNs模型周期解 理和同胚映射性质，讨论了具有变延时和无界延时CGNNs模型平衡点的存在唯一性和稳 定性．其中激活函数仅仅要求是部分Lipschitz连续和单调非减的。与已有的文献比较，我们 的结论放宽了对条件的限制，且在许多方面改进和推广了已有文献的结论． 在第二章中，基于Brouwer不动点定理，研究了一类分布延时BAM神经网络平衡点 的存在性。然后通过构造适当的Lyapunov函数，证明了平衡点的绝对指数稳定性．这些结 果推广和改进了一些早期文献的结果，且易于在实际中检验． BAM神经网 关键词：byapunov函数；全局指数稳定；Cohen—Grossberg神经网络； 络；绝对指数稳定；部分Lipschitz连续；平衡点；同胚． Abstract Intiffs furtherconsiderthe for neuralnet— stabilityproblem paper，WO Cohen—Grossberg some theoremsand suitahle works(CGNNs)withdelaysByusing given constructingLya· the discuss functions，we globalexponentialstability，theabsolutelyexponentialstability punov the forCGNNswithandwithout the of of equilibriumpoint delays，andexistence．uniqueness iodic andits also the solution Meanwhile，x^,restudy pel globalexponentialutability absolutely ofthe foraclassOfbidirectionalassociative exponentialstabilityequilibrium memory(BAM) neuralnetworkswithdistributed delays vel．sionsof1^P hlSectionl of 1．we ttiediscrele一1ime con|inllous—time Chapterstudy neuralnei．worksfCGNNslSe