具有时滞的Cohen-Grossberg神经网络的指数输入-状态稳定  

Exponential Input-to-State Stability of Cohen-Grossberg Neural Networks with Time-Varying Delays

作　　者：张玉蓉 杨志春 ZHANG Yurong;YANG Zhichun(School of Mathematical Sciences,Chongqing Normal University,Chongqing 401331,China)

机构地区：[1]重庆师范大学数学科学学院,重庆401331

出　　处：《重庆师范大学学报（自然科学版）》2020年第2期65-69,共5页Journal of Chongqing Normal University:Natural Science

基　　金：国家自然科学基金面上项目(No.11971081);重庆市基础研究与前沿探索项目(No.cstc2018jcyjAX0144);重庆市高校科研创新团队支持计划项目(No.CXTDG201602008);重庆市研究生科研创新项目(NO.CYS19290)。

摘　　要：【目的】研究具有时滞的Cohen-Grossberg神经网络模型的指数输入-状态稳定。【方法】通过构造新的Halanay微分不等式来证明主要结果。【结果】对于所建立的一类具有时滞的Cohen-Grossberg神经网络模型获得了该系统指数输入-状态稳定的充分条件。【结论】此方法不仅改善了一些保守性的条件并且本文中的神经网络模型更具有一般性,一个数值例子也表明该方法是有效的。[Purposes]It mainly investigate the exponential input-to-state stability of Cohen-Grossberg neural network with time-varying delays.[Methods]By constructing a new Halanay differential inequalities.[Findings]The several sufficient conditions are obtained to ensure the exponential input-to-state stability of CGNNs.[Conclusions]The method not only improved some conservative conditions but also established a more general neural network model,numerical example shows that this method is effective.

关 键 词：输入-状态稳定 COHEN-GROSSBERG神经网络 时滞微分不等式 时变时滞 

分 类 号：O175[理学—数学]