具有時滯的連續(xù)時間遞歸神經網絡的穩(wěn)定性研究.pdf

1、本論文在激勵函數滿足全局Lipschitz連續(xù)的條件下，研究了具有時滯的連續(xù)時間遞歸神經網絡的穩(wěn)定性問題。主要工作如下： 1．基于線性矩陣不等式技術，針對一類多時變時滯遞歸神經網絡，提出了一個時滯依賴的全局指數穩(wěn)定判據，并對指數收斂速率與神經網絡固有參數之間的關系進行了研究。所得到的指數穩(wěn)定判據及相應的最大時滯上界和最大指數收斂速率的估計與現有的一些文獻結果相比具有更小的保守性。 2．基于線性矩陣不等式技術，分別針對三類

2、多時滯遞歸神經網絡，提出了不依賴時滯大小的全局穩(wěn)定判據。首先，針對一類多時變時滯遞歸神經網絡建立了不依賴時滯大小的全局指數穩(wěn)定判據；其次，針對另一類多時滯神經網絡，即時滯細胞神經網絡x<,i>(t)=-x<,i>(t)+∑<'n><,j=1> a<,ij>f(x<,j>(t))+∑<'n><,j=1> b<,ij>f(x<,j>(t-T<,ij>))+U<,i>，首次給出了基于線性矩陣不等式的時滯獨立的全局漸近穩(wěn)定判據；第三，結合當前所

3、研究的幾類多時滯神經網絡模型，提出了一類廣義多時滯遞歸神經網絡模型，該類模型至少包含了現有的三類多時滯遞歸神經網絡模型，并對其建立了不依賴時滯大小的全局指數穩(wěn)定判據。 3．基于線性矩陣不等式技術，針對一類存在區(qū)間不確定性的多時滯遞歸神經網絡，提出了不依賴時滯大小的全局魯棒指數穩(wěn)定判據。本文所得到的結果很容易應用到現有的幾類區(qū)間神經網絡模型中，且改進了現有的幾類區(qū)間神經網絡的魯棒穩(wěn)定結果。 4．分別基于線性矩陣不等式技術、

4、矩陣范數和Halanay不等式等技術，針對單時變時滯區(qū)間Cohen-Grossberg神經網絡，提出了若干不依賴時滯大小的全局魯棒指數穩(wěn)定判據，并對這些穩(wěn)定結果的特點、相互關系、適用范圍及與現有一些文獻中的穩(wěn)定性結果進行了比較研究。 5．基于線性矩陣不等式技術，針對一類不確定多時滯遞歸神經網絡，提出了不依賴時滯大小的全局魯棒指數穩(wěn)定判據。同時，將所得到的魯棒穩(wěn)定結果擴展到了區(qū)間神經網絡和雙向聯想記憶神經網絡當中。 6．基