时滞回归神经网络Lagrange稳定的一个新判据  

A new criterion of stable in Lagrange sense for delayed recurrent neural networks

作　　者：陈晓旭[1] 朱永忠[1] 李晨[1] 

机构地区：[1]河海大学理学院,江苏南京211100

出　　处：《贵州师范大学学报（自然科学版）》2017年第1期47-50,70,共5页Journal of Guizhou Normal University：Natural Sciences

摘　　要：运用时滞微分不等式的方法,对一类Lurie型的激励函数(包括有界和无界激励函数)的时滞回归神经网络,在Lagrange意义下全局指数稳定进行了研究,拓展了稳定性的充分判据,并通过数值例子验证了所得结论的正确性和有效性。We use delay differential inequality method to study the globally exponentially stable in La- grange sense for delayed recurrent neural networks which is the Lurie -type activation functions （both bounded and unbounded activation functions）. A sufficiency criterion for exponential Stable is expand- ed. Finally, a numerical simulation example is provided to examine the correctness and effectiveness of our result.

关 键 词：时滞回归神经网络 Lagrange稳定 全局指数吸引 

分 类 号：O175[理学—数学]