论文部分内容阅读
本文利用线性矩阵不等式与Blythe-Liao-Mao不等式,构建适当的Lyapunov-Krasovskii函数并根据It6公式,获得了随机Recurrent型神经网络和随机Cohen-Grossberg型神经网络稳定性的充分性判定依据。本文可分为四章,主要内容如下：第一章概述了神经网络和随机神经网络的研究现状,并介绍了随机微分方程的发展及有关应用。第二章给出了与后面章节有关的一些定义。第三章研究了随机Recurrent型神经网络的稳定性。构建适当的Lvapunov-Krasovskii函数,利用线性矩阵不等式并根据Ito公式,获得了变时滞Recurrent型随机神经网络和中立型变时滞Recurrent型随机神经网络全局渐近稳定的充分性判定依据。第四章研究了随机Cohen-Grossberg型神经网络的稳定性。利用Blythe-Liao-Mao不等式,构建适当的Lyapunov-Krasovskii函数并根据Ito公式,获得了随机时滞Cohen-Grossberg神经网络几乎肯定指数稳定的充分条件。利用线性矩阵不等式,构建适当的Lyapunov-Krasovskii函数并根据Ito公式,获得了中立型随机时滞Cohen-Grossberg神经网络均方全局渐近稳定的充分性判定依据。