运用不等式 aΠ_(k=1)~m b_k^q k≤(1/r)sum from k=1 to m q_kb_k^r+(1/r)a^r(a≥0,b_k≥0,q_k<0,sum from k=1 to m q_k=r-1,r>1)和构造新的李雅普洛夫泛函方法,研究了时滞双向联想记忆神经网络的全局指数稳定性。去掉了相关文...运用不等式 aΠ_(k=1)~m b_k^q k≤(1/r)sum from k=1 to m q_kb_k^r+(1/r)a^r(a≥0,b_k≥0,q_k<0,sum from k=1 to m q_k=r-1,r>1)和构造新的李雅普洛夫泛函方法,研究了时滞双向联想记忆神经网络的全局指数稳定性。去掉了相关文献中有关传递函数有界性的假设,给出了较弱的并且不依赖于时滞的判别条件,增强了模型的适用性,在网络的分析和设计中发挥着重要作用。最后我们通过模拟仿真进一步说明所得结果的正确性,并对双向联想记忆神经网络的收敛速度作了分析。展开更多
文摘运用不等式 aΠ_(k=1)~m b_k^q k≤(1/r)sum from k=1 to m q_kb_k^r+(1/r)a^r(a≥0,b_k≥0,q_k<0,sum from k=1 to m q_k=r-1,r>1)和构造新的李雅普洛夫泛函方法,研究了时滞双向联想记忆神经网络的全局指数稳定性。去掉了相关文献中有关传递函数有界性的假设,给出了较弱的并且不依赖于时滞的判别条件,增强了模型的适用性,在网络的分析和设计中发挥着重要作用。最后我们通过模拟仿真进一步说明所得结果的正确性,并对双向联想记忆神经网络的收敛速度作了分析。
