随机Cohen-Grossberg-type BAM神经网络的均方指数稳定性  

Exponential Stability in Mean Square for a Stochastic Cohen-Grossberg-type BAM Neural Network

作　　者：魏雪蕊[1] 柯云泉[1] 

机构地区：[1]绍兴文理学院数理信息学院,浙江绍兴312000

出　　处：《数学的实践与认识》2012年第17期199-205,共7页Mathematics in Practice and Theory

基　　金：浙江省自然科学基金(Y6100096;LQ12F02007);绍兴文理学院重点资助项目(2011LG1001)

摘　　要：通过构造Lyapunov函数,利用随机微分的Ito公式,研究了一类含有时滞的随机Cohen-Grossberg-type BAM神经网络的均方指数稳定性,并给出判定的条件,最后举例子说明结果的正确性.The exponential stability in mean square for a stochastic Cohen-Grossberg-type BAM neural network is discussed by constructing suitable Lyapunov function and using the Ito formula. The general sufficient conditions for the exponential stability in mean square are estabished. Finally an illustrative example is given to show the effectiveness of our results.

关 键 词：随机Cohen-Grossberg-type BAM神经网络 ITO公式 LYAPUNOV函数 均 方指数稳定 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程] O211.6[自动化与计算机技术—控制科学与工程]